Tu traza lenta enseña que un span de 900 ms pasa el tiempo «dentro del servicio de pagos», y ahí se acaba la información. El perfilado continuo contesta lo que viene después: qué función, qué línea, se llevó esa CPU. Dos herramientas de código abierto compiten en este terreno, Grafana Pyroscope y Parca. Este artículo parte de la decisión que tomarás en producción, no de un recorrido por pantallas.
Los datos salen de las páginas de GitHub de ambos proyectos y de su documentación oficial, leídas el 11 de noviembre de 2026. No he instalado ninguna de las dos para escribir esto, así que lo que no está comprobado queda señalado.
Si estás empezando con trazas, lee primero la anatomía de un span de OpenTelemetry. El perfil complementa al span: explica el «por qué» donde la traza da el «dónde».
El problema: la traza dice dónde, no por qué
Una traza reparte una petición en spans. Señala el eslabón lento, pero no el código responsable. Para avanzar se suelen añadir logs, luego spans manuales y otro despliegue. Cada vuelta se paga en horas de guardia.
Un perfilador toma muestras de la pila de llamadas a intervalos regulares: cuantas más veces aparece una función en las muestras, más consume. Dibujado como flamegraph, se lee de un vistazo. «Continuo» quiere decir que el muestreo corre siempre en producción, no solo durante una investigación; cuando salta el incidente, el perfil ya existe.
Perfilado continuo: elegir entre Pyroscope y Parca
Esto es lo que dicen los repositorios, sin sacar conclusiones precipitadas:
- Grafana Pyroscope: licencia AGPL-3.0 y unas 11 700 estrellas en la página del repositorio. Se define como «plataforma de perfilado continuo» para depurar hasta una sola línea de código. Los perfiles llegan por Grafana Alloy (recogida en pull o push), por SDK (Go, Java, Python, Ruby, Node.js, .NET, Rust) o por OTLP desde el perfilador eBPF de OpenTelemetry.
- Parca: licencia Apache 2.0 y unas 5 000 estrellas. Ofrece un servidor que almacena y consulta perfiles a lo largo del tiempo, y Parca Agent, un perfilador eBPF para todo el sistema. La página del repositorio cita C, C++, Rust y Go para el agente.
La página de GitHub que leí no mostraba la fecha del último commit ni las versiones: compruébalas tú antes de decidir. La elección se reduce a dos preguntas.
- ¿Necesitas saltar de la traza al perfil? La documentación de Pyroscope describe «span profiles» para Go, Java, Ruby, .NET y Python. En las páginas de Parca que leí no aparece descrita la correlación con trazas, así que no la doy por hecha.
- ¿Qué licencia acepta tu empresa? La AGPL-3.0 impone obligaciones si modificas el servidor y lo ofreces por red. Apache 2.0 es más permisiva. Que lo valide tu equipo legal.
Del span lento al perfil: cómo funciona el enlace
El mecanismo documentado por Pyroscope es sencillo. Cada muestra de perfil lleva etiquetas: span_id identifica el span activo cuando se tomó la muestra y trace_id la traza que lo contiene. Un span que puede tener perfil lleva el atributo pyroscope.profile.id, cuyo valor es el identificador del span. Grafana lo usa para ofrecer el salto del span a su perfil.

Para que Grafana encuentre el par traza y perfil, la documentación pide configurar la fuente de datos de Tempo en Grafana. Remite a una página «Traces to profiles» con los detalles, que no he vuelto a leer. Para montar Tempo, consulta nuestro artículo sobre Grafana Tempo con kube-prometheus-stack.
Pasos: instrumentar un servicio en Go
Este es el ejemplo de la documentación oficial para Go. Parte de que ya tienes un tracer de OpenTelemetry (tp) y un servidor Pyroscope en el puerto 4040.
- Instala el módulo:
go get github.com/grafana/otel-profiling-go. - Arranca el SDK de Pyroscope al iniciar el proceso.
- Envuelve tu proveedor de trazas con
otelpyroscope.NewTracerProvider.

El punto crítico es el tercer paso: sin el envoltorio, los perfiles existen pero no llevan span_id, y el salto desde la traza es imposible. Sustituye my-service y la dirección por tus valores.
Lo que el enlace no garantiza
La documentación es clara con los límites. Estos son los que importan en una guardia:
- Por defecto solo se marca el span raíz local, y su perfil incluye las muestras de sus spans hijos. Go y Java pueden marcar cada span.
- El atributo
pyroscope.profile.idno asegura que haya muestras. - El perfilador muestrea: un span muy corto puede quedarse sin muestras, y uno con pocas puede inducir a error.
- Evita nombres de span dinámicos (URL, SQL): degradan el rendimiento.
En la práctica, el perfil sirve para confirmar una hipótesis sobre spans largos, no para explicar uno de 2 ms. Para distinguir entre identificadores de correlación, lee también correlation ID o trace ID.
Parca y eBPF: perfilar sin tocar el código
Si tus servicios están en C, C++, Rust o Go y no quieres modificar el código, el enfoque eBPF resulta atractivo. Parca Agent descubre los destinos desde Kubernetes o systemd y envía los perfiles al servidor. La documentación de Parca describe un almacenamiento propio donde cada serie se identifica por su combinación de etiquetas, lo que permite comparar perfiles entre procesos o versiones del código.

La captura, procedente del repositorio con licencia Apache 2.0, muestra el gráfico de consumo y el flamegraph invertido (icicle). Para entender qué cambia eBPF en la operación, mira eBPF y Cilium en Kubernetes.
OpenTelemetry y los perfiles: ¿en qué punto está?
OpenTelemetry trabaja en una señal de «profiles». Según el anuncio de su blog oficial, entró en alfa pública y «no debe usarse en cargas de producción críticas». El anuncio añade que aún no había backends listos para producción, con Beta y GA como siguientes etapas. No pude averiguar la fecha del anuncio: comprueba el estado actual antes de comprometerte.
En concreto, no esperes a este estándar para empezar. Según su README, Pyroscope ya acepta OTLP desde el perfilador eBPF de OpenTelemetry.
Buenas prácticas
- Empieza por un único servicio crítico, no por toda la flota.
- Mantén los nombres de span estables y pocos.
- Mide el sobrecoste del perfilador en preproducción antes de activarlo en producción: no tengo una cifra verificada que darte.
- Deja escrito en el runbook: «span lento, abrir el perfil del span, buscar la función más ancha».
- Anota la licencia elegida y la fecha de tu comprobación.
Preguntas frecuentes
¿Qué diferencia hay entre perfilado continuo y traza?
La traza mide el tiempo que consume cada etapa de una petición. El perfil muestrea las pilas de llamadas e indica qué funciones gastan CPU o memoria. Se complementan.
¿Pyroscope o Parca: cuál elegir?
Si quieres saltar de un span a su perfil en Grafana, la documentación de Pyroscope lo describe. Si pesan más el eBPF sin tocar el código y la licencia Apache 2.0, Parca merece una prueba. Prueba ambas en un servicio antes de decidir.
¿Y Dynatrace?
Este artículo trata solo de herramientas de código abierto de terceros. Para lo que hace Dynatrace en este campo, consulta docs.dynatrace.com distinguiendo SaaS de Managed: aquí no mezclo ninguna función.
Conclusión
El perfilado continuo convierte «el span es lento» en «esta función es la culpable», siempre que enlaces perfiles y trazas. Elige según la licencia, el enlace con tus trazas y tu lenguaje. Fuentes: documentación de Pyroscope, documentación de Parca.
span.observer es un blog independiente de la comunidad, no afiliado a Dynatrace LLC ni a Grafana Labs ni a Parca. Dynatrace es una marca de Dynatrace LLC; el resto de marcas pertenecen a sus propietarios. Las herramientas cambian deprisa: comprueba siempre los comandos y opciones en la documentación oficial correspondiente a tu versión.