Alguém descobre o problema pelo cliente. O time abre quatro telas, cada uma com relógio diferente, e discute qual está correta. Observabilidade de time pequeno começa com poucos sinais e um alerta que alguém executa.
Quatro sinais no mesmo contexto
Métrica, log, trace e evento ligados ao mesmo identificador de request. Taxa de erro, latência p95 e saturação cobrem a maior parte dos serviços. O Google SRE Book (O'Reilly, 2016) define essas métricas e o uso de SLO para decidir o que entra na página de plantão.
Um trace por serviço crítico responde onde quebrou, antes da reunião de triagem. Dashboards por decisão: um para deploy, um para pagamento, um para onboarding. Tela que ninguém abre vira custo de manutenção.
Alerta que vale acordar
Alerta sem dono e sem ação definida sai da lista. Charity Majors, Austin Parker e Miranda Mowbray detalham o raciocínio em Observability Engineering (O'Reilly, 2022): a pergunta que importa é o que o usuário sente no momento, com dados de produção. Serviço verde com fila crescente falha nessa pergunta.
Faça revisão mensal de alertas: qual acordou alguém, qual gerou ação, qual virou ruído. O Google SRE Workbook (O'Reilly, 2020) traz receitas de painel e alerta que um time de três pessoas adapta no mesmo dia.
