Monitoramento

O que esta categoria cobre

Saber que algo quebrou antes de um cliente explicar para você: verificações de disponibilidade, rastreamento de erros, métricas, logs, traces e os alertas que acordam alguém.

Os produtos vão de uma única verificação que pinga uma URL a plataformas que ingerem tudo o que uma infraestrutura emite. A distância entre eles é, sobretudo, de volume de dados e de preço.

Analisar o comportamento dos clientes pertence a analytics. Onde a aplicação roda é hospedagem e nuvem.

Comece de fora

A primeira compra mais útil é a mais simples: uma verificação que carrega o seu site a partir de vários lugares e avisa quando ele para de funcionar.

As verificações externas pegam as falhas que os painéis internos deixam passar, inclusive certificados vencidos, registros quebrados e uma mudança de firewall que ninguém anunciou. São baratas e, para muitas equipes pequenas, cobrem a maior parte do que importa.

O rastreamento de erros vem em segundo. Saber quais exceções chegam a usuários reais, com que frequência e desde qual versão transforma um relato vago numa correção. A qualidade do agrupamento é o que separa os produtos aqui, já que uma ferramenta que produz quatro mil alertas quase idênticos está produzindo ruído.

Os quatro tipos de dados

• Verificações de disponibilidade, de fora, nos caminhos que os clientes realmente usam.
• Erros, agrupados, com a versão e o contexto do usuário anexados.
• Métricas, numéricas e baratas de guardar, para tendências e limites.
• Logs, detalhados e caros, para reconstituir o que aconteceu.
• Traces, que mostram uma requisição através dos serviços, para achar onde o tempo vai.

A maioria das equipes precisa dos dois primeiros imediatamente, das métricas logo depois e do resto quando um sistema é complexo o bastante para que o palpite tenha deixado de funcionar.

A retenção é a restrição silenciosa. Comparar hoje com o mesmo dia do mês passado exige um mês de dados, e os planos de entrada frequentemente guardam uma semana.

Alertar é um problema de design

Um alerta que ninguém atende ensina todo mundo a ignorar o próximo, e esse hábito é como as quedas ficam mais longas.

Alerte sobre o que os usuários vivenciam, não sobre cada limite interno. Uma página carregando devagar importa. Um processador a oitenta por cento, sozinho, em geral não importa.

Todo alerta precisa de três coisas: um responsável, uma ação documentada e uma rota que alcance o responsável quando ele está dormindo. Tudo o que não passar nesse teste deve ser uma entrada de painel, não uma notificação.

Depois revise com regularidade. Os alertas se acumulam, as condições mudam, e uma poda trimestral é o trabalho de confiabilidade mais barato que existe.

Custo, e por que as faturas crescem sem aviso

Os preços variam por host, por usuário, por volume ingerido ou por eventos, e o modelo por volume é onde moram as surpresas.

Um único serviço registrando logs em excesso pode multiplicar a fatura enquanto o seu tráfego fica estável. Amostragem, filtragem na origem e retenção mais curta para dados detalhados são os controles habituais, então pergunte o que o produto oferece antes de precisar deles.

As métricas personalizadas merecem uma pergunta específica, já que muitas vezes são cobradas por série única e um rótulo mal escolhido pode criar milhares delas. Peça um teto de gasto em vez de um alerta e veja o que as páginas de preços escondem para o resto do padrão.

Rodar por conta própria

As implementações abertas são capazes e têm licença gratuita. O custo operacional é real: armazenamento, retenção, atualizações e alguém de plantão para o próprio sistema de monitoramento.

Esse último ponto é o que se deve pesar. Uma pilha hospedada por você tende a cair no mesmo incidente da coisa que observava, que é exatamente quando mais se precisa dela.

Começar pequeno sem se encurralar

Uma primeira configuração de monitoramento deve ser sem graça e ficar pronta numa tarde.

Duas verificações externas nos caminhos que importam, rastreamento de erros ligado à aplicação e uma rota de alerta que chegue a uma pessoa. Isso cobre a maioria dos incidentes que um produto pequeno terá no primeiro ano.

Acrescente métricas quando começar a perguntar por que algo estava lento e não se estava quebrado. Acrescente traces quando o sistema tiver peças móveis suficientes para que a resposta não seja mais óbvia a partir de um log.

A única decisão que vale tomar cedo é onde os dados são coletados e em que formato. A instrumentação escrita sobre um padrão aberto pode ser apontada depois para outro backend, enquanto a escrita sobre a biblioteca de um único fornecedor vira um argumento contra qualquer mudança.

Mantenha um registro escrito do que cada alerta significa e de quem responde. Essa página vale mais às três da manhã do que qualquer painel.