Go开发团队更新执行环境的关注（Trace）组件，不仅大幅降低执行关注的CPU开销，还通过定期分割关注文件控制关注文件大小，进而增加了关注的可扩展性。此外，新的更新还支持持续关注功能，并提供关注读取器API，使得关注数据更容易共享与访问。
Go的runtime/trace组件是一组工具，目的在于协助开发者进一步理解与排除程序故障，其允许开发者关注每个goroutine的活动，并通过go tool trace指令，可视化并探索关注里的数据。开发者能够于程序中加入特定的标注，包括任务、区域和日志，将程序的逻辑流程、性能表现和错误处理，与底层诸如程序的执行时机、资源使用和调用堆栈等执行细节相关联，使开发者更能监控和分析程序，解决性能瓶颈等问题。
虽然Go的执行关注可提供丰富的资讯，但也存在一些长期问题，像是关注成本偏高，会对程序的执行性能造成明显的影响，因此难以用在生产环境中。关注也难以扩展，当关注产生的数据量太大，将导致关注文件难以分析。
另外，启动关注的时机也不够明确，开发者往往不清楚何时启动关注，才能确定捕捉到特定的错误行为，造成关注分析困难。而且因为缺乏解析执行关注的公共组件，因此也只有资深的Go开发者有能力进行程序化分析关注。
开发团队开始着手解决这些问题，在之前的Go版本，关注在许多应用程序会导致10-20% CPU执行开销，这使得关注被限制在特定的使用场景，而不能像CPU分析那样持续使用，开发团队解释，这是因为在启动执行关注时，执行环境会生成许多事件，这些事件大多数附加了堆栈关注，这些堆栈关注对于识别goroutine在执行的任务非常有用，但是成本也很高。
开发团队指出，关注的大部分成本发生在回溯，因此通过优化回溯效率，关注执行环境的CPU开销已经大幅降低至1-2%，如此开发者便可以频繁地使用关注来监控和诊断应用程序，且不会对性能产生太大的影响。
另外，在新版本中，关注分析变得可扩展。过去关注文件的格式和事件的设计讲究有效性，但是需要工具来解析和保留整个关注状态，数百MiB的关注可能需要数GiB的内存来分析，而新的关注功能进行了调整，通过定期分割正在生成的关注文件，使每一个关注文件的大小降低，而由于关注文件变小，分析工具便不需要一次性加载庞大的关注文件到内存中，因此也降低了所需要的内存。
之前的关注事件，是写入各自线程自己的缓存位置，这代表事件的出现并不符合真实顺序，而新的方法会在分割关注文件时重新同步，因此也让事件更容易按真实顺序重组，减少了分析工具的负担。整体来说，新的分割机制让关注数据更容易管理且分析，开发者也能更快地找到感兴趣的事件，让性能分析更有效。
Go关注现在也支持持续关注记录（Flight Recording），可让程序一直保持在关注状态，记录近期发生的事，而这项功能也是因为关注分割技术的导入，才使得持续关注变得可行。而随着开发团队重写关注实例，也提供了一个新的关注读取器API，让开发者更容易访问关注数据。
