
Grafana Labs liberó Tempo 3.1, la primera actualización menor de la arquitectura 3.0 (la de Project Rhythm, con Kafka como columna vertebral). No es un release de relleno: ataca tres dolores reales de quien opera tracing a escala — Kafka seguro y barato, redacción de datos sensibles, y métricas que no mienten con sampling.
El cliente Kafka que faltaba
En Tempo 3.0, el cliente Kafka solo soportaba SASL PLAIN sin encriptación. O sea: cualquier broker que exigiera TLS te rechazaba. En 3.1 esto se arregla:
- TLS, incluido mTLS opcional
- Nuevos mecanismos SASL: SCRAM-SHA-256/512, OAUTHBEARER y AWS_MSK_IAM
client_rackcon rack-aware fetching (KIP-392): los block-builders leen de réplicas en su misma zona de disponibilidad y evitan los cargos de transferencia cross-zone, que a escala de tracing duelenproducer_compressionconfigurable (gzip, snappy, lz4, zstd). Con gzip habilitado, Azure Event Hubs queda usable como backend
Detalle que gusta: los tres cambios vinieron de contribuidores de la comunidad.
Redactar trazas sin listar trace IDs a mano
La redacción de trazas (tempo-cli redact) antes exigía enumerar trace IDs uno por uno. El problema: cuando un token o número de cuenta se filtró en cientos de trazas, esa lista es imposible de mantener.
Ahora la redacción acepta una consulta TraceQL con --dry-run (cuenta coincidencias sin tocar nada) y ventanas de tiempo con --start/--end. Ojo con las letra chica:
- La sintaxis está limitada a un filtro de spanset con comparaciones de igualdad sobre atributos
resource.*yspan.* - Es irreversible (el rewrite no se puede deshacer)
- Los workers viejos ignoran la ventana de tiempo y borran todo lo que coincida, sin error. Primero actualiza todos los schedulers y workers a 3.1, después usa las flags
- La compactación del tenant se pausa mientras corre la redacción
Métricas que entienden el sampling
TraceQL metrics (GA desde 3.0) gana tres mejoras:
- Hint experimental
with (extrapolate=true): escala los resultados según la tasa de sampling en eltracestate, siguiendo las reglas de probability sampling de OpenTelemetry. Con sampling al 50%, cada span almacenado cuenta como dos. Aplica arate,count_over_time,sum_over_timey demás — pero no amin_over_timenimax_over_time(tiene sentido: no puedes extrapolar un mínimo). - Aritmética entre queries y escalares:
+,-,*,/— ahora una tasa de error es una sola consulta. - El span-only fetch path (experimental en 3.0) queda por defecto para bloques vParquet5. Con vParquet5 como formato default, las queries de métricas simples corren casi el doble de rápidas.
Un guiño a los agentes de IA
El nuevo endpoint experimental POST /api/v2/traces/diff compara dos trazas y puede devolver un resumen compacto en vez de un patch span por span. Está expuesto vía gcx, tempo-cli y el Tempo MCP server — y Grafana lo dice explícitamente: el payload más chico ayuda a investigaciones dirigidas por LLM. La observabilidad se está diseñando pensando en que el que “mira” los datos no siempre va a ser humano.
También llegan pruning experimental de spans similares en el endpoint trace-by-ID v2 (colapsa spans hoja parecidos en un span resumen) y mejoras del metrics-generator como buffers de labels reutilizados que llevan las asignaciones por span a cero en benchmarks del service graph.
El resumen: si corres Tempo con la arquitectura Kafka, 3.1 es de esos upgrades que se justifican solos — menos cuenta de cloud por transferencias, compliance más rápido, y métricas honestas con head sampling.


