Atributos de Alta Cardinalidade em Spans Podem Disparar Custos de Observabilidade

A observabilidade moderna, essencial para entender sistemas distribuídos, trouxe o desafio de gerenciar grandes volumes de dados. Atributos de alta cardinalidade em spans, especialmente quando promovidos a dimensões de métricas, são um gargalo silencioso. Eles causam um inchaço nas séries temporais, disparando custos. O problema não está no volume de spans, mas na quantidade de combinações únicas de valores que um atributo pode gerar. Uma métrica não é cobrada pelo número de pontos de dados, mas pela existência de uma série ativa, impactada diretamente pela cardinalidade.

O OpenTelemetry Collector, através dos conectores span_metrics e do processador transform, oferece controles cruciais. Ferramentas como aggregation_cardinality_limit e metrics_expiration são vitais. O primeiro estabelece um teto para a quantidade de combinações únicas, prevenindo explosões de custo. O segundo garante que séries não usadas expirem, evitando que incidentes temporários criem custos permanentes. Ignorar estas configurações, que vêm desativadas por padrão, é um convite para surpresas desagradáveis na fatura.

Em nossa cobertura anterior, como no artigo “A Pedra Filosofal do Tracing Distribuído: Amostragem” de 24 de março de 2026, focamos na amostragem como principal estratégia para controlar o volume de dados de tracing. A amostragem é eficiente para reduzir bytes e, consequentemente, custos de armazenamento de traces. No entanto, a discussão atual aprofunda o entendimento: ela não resolve o problema da alta cardinalidade em métricas derivadas de spans. Agora sabemos que a amostragem atua no eixo de volume, mas o custo das métricas, muitas vezes maior, é impulsionado pela cardinalidade, que exige controles específicos, como os do OpenTelemetry Collector.

Para equipes de dados, engenharia e analytics, entender a diferença entre custos de volume de traces e custos de cardinalidade de métricas é vital. A confusão entre esses eixos leva a estratégias ineficazes, como tentar "amostrar mais" para reduzir custos de métricas, sem sucesso. O gerenciamento proativo de atributos de spans, agrupando-os e estabelecendo limites de cardinalidade, é fundamental para manter os custos de observabilidade previsíveis. Isso evita que uma simples adição de uma dimensão a um dashboard se transforme em um aumento percentual significativo na fatura mensal, garantindo a sustentabilidade financeira da infraestrutura de monitoramento.