Time de oito pessoas, doze serviços e log em cada servidor. Quando algo quebra, alguém abre cinco terminais e procura por texto dentro do arquivo. Essa rotina custa mais caro do que parece.
Três decisões antes da ferramenta
Formato: adote JSON com campos fixos: timestamp, nível, service e trace_id. Texto livre resiste a filtro. JSON aceita filtro em qualquer campo.
Retenção: 30 dias em busca rápida e 180 dias em arquivo frio cobrem a maioria das investigações. O Google SRE Book (O'Reilly, 2016) recomenda manter histórico para comparar semana ruim com semana normal.
Custo: meça o volume por serviço antes de assinar. Grafana Loki (Grafana Labs, 2025) indexa só os rótulos e cobra por volume ingerido. Elastic (Elastic, 2025) cobra por índice e por retenção. Peça simulação de fatura com o seu volume real.
O que toda ferramenta precisa ter
Correlação: um trace_id que atravessa API, worker e banco corta o tempo de investigação pela metade. A especificação do OpenTelemetry (CNCF, 2025) define esse identificador como padrão.
Alerta certo: alerte quando um erro novo aparecer. Ignore a subida do volume total, que na maioria das vezes é robô batendo em rota de login.
Primeira semana
Inventarie os serviços, meça volume por serviço e classifique cada log. Aplicação fica 30 dias. Auditoria fica 1 ano, porque LGPD e SOC2 pedem trilha. Ao final, faça uma busca por um erro da semana passada e conte os minutos que levou.
