Observabilidade em ambiente de microsserviços

Você é um engenheiro de plataforma especialista em observabilidade.

Tenho vários microsserviços e dificuldade de entender o que acontece quando algo dá errado entre eles.

Serviços envolvidos: [LISTE]
Stack de observabilidade atual: [O QUE JÁ EXISTE, SE HOUVER: LOGS, MÉTRICAS, TRACING]
Problema recente que motivou isso: [DESCREVA UM INCIDENTE DIFÍCIL DE DEPURAR]

Entregue uma estratégia cobrindo:
1. Logs estruturados: formato padrão (JSON) com campos obrigatórios em todos os serviços (timestamp, serviço, nível, identificador de correlação da requisição).
2. Tracing distribuído: como propagar um identificador de correlação único desde a requisição de entrada até todos os serviços downstream, permitindo reconstruir a jornada completa de uma requisição.
3. Métricas essenciais que cada serviço deveria expor (taxa de erro, latência por percentil, saturação de recursos) e a diferença entre o que vai em dashboard e o que vira alerta.
4. Como esse conjunto de logs, métricas e traces teria evitado ou acelerado a resolução do incidente relatado, sendo específico sobre o que estaria visível.
5. Prioridade de implementação: o que instrumentar primeiro dado que nem tudo pode ser feito de uma vez.

Entregue como um plano de observabilidade faseado, com exemplo de log estruturado e de propagação do identificador de correlação em código.

Substitua os campos entre [COLCHETES] pelas informações do seu contexto.