Generare avvisi per errori e abusi

I dashboard sono utili solo quando qualcuno li sta osservando. L'alerting cambia prospettiva: è il sistema ad avvisarla non appena qualcosa va storto. 🔔

Imposti gli alert su sintomi visibili agli utenti, come un'elevata percentuale di errori, non su ogni minima variazione interna. In questo modo il segnale resta forte e il rumore diminuisce.

Un alert ha bisogno di una soglia chiara: deve scattare quando, ad esempio, la percentuale di errori supera il cinque percento. Questa soglia trasforma una metrica in una decisione sì o no.

Valuti le soglie su una finestra temporale, ad esempio di cinque minuti. Una singola chiamata problematica non dovrebbe attivare una notifica urgente, ma un picco prolungato sì.

La lentezza è una forma di malfunzionamento. Faccia scattare un alert quando la latenza p99 supera il budget, perché un server che si blocca danneggia gli utenti tanto quanto uno che restituisce errori.

Un improvviso afflusso di chiamate può indicare un modello in fuga o un attaccante. Faccia scattare un alert sul traffico anomalo, così individuerà l'abuso prima che esaurisca il budget. 🚨

Abbini gli alert a un limite di frequenza: limiti il numero di chiamate per client, così l'abuso resta sotto controllo mentre indaga, invece di sovraccaricare prima il backend.

Anche un semplice controllo di un contatore può segnalare un picco quando il numero di chiamate in una finestra supera di molto il livello normale.

Un alert è utile solo se raggiunge una persona. Lo invii a un vero canale, come email, Slack o un pager che qualcuno controlli davvero.

Troppi falsi allarmi abituano le persone a ignorare gli alert. Regoli le soglie in modo che ogni notifica urgente corrisponda a un problema reale: la stanchezza da alert fa sì che le interruzioni del servizio passino inosservate.

Alleghi a ogni alert un breve runbook: spieghi che cosa significa e quali sono i primi passi da compiere. Chi interviene potrà agire in pochi secondi, non in minuti.

Ora può attivare alert sui sintomi reali: percentuale di errori, latenza e abuso del traffico, regolati con finestre temporali e runbook affinché ogni notifica urgente sia davvero importante. ✅