Métricas, painéis e SLIs/SLOs

Coletar métricas é apenas o primeiro passo. Para operar sistemas confiáveis, você precisa transformar números em painéis e metas de nível de serviço que reflitam a experiência real dos usuários.

O Google SRE recomenda observar quatro sinais em qualquer serviço: latência, tráfego, erros e saturação. Eles abrangem a maioria dos problemas percebidos pelos usuários.

Formatos comuns de métricas: um contador só aumenta (solicitações atendidas), um medidor sobe e desce (memória em uso) e um histograma agrupa valores em intervalos (durações das solicitações).

Bancos de dados de séries temporais, como o Prometheus, usam uma linguagem de consulta para segmentar métricas. Aqui calculamos a taxa de solicitações por segundo ao longo de cinco minutos.

Ferramentas como o Grafana transformam consultas em painéis. Um bom painel responde a uma pergunta de relance: o serviço está saudável neste momento?

• Linha superior: sinais dourados
• Painéis detalhados abaixo
• Intervalo de tempo consistente

Um Indicador de Nível de Serviço é um número medido que reflete a satisfação dos usuários — por exemplo, a fração de solicitações atendidas com sucesso e rapidez.

Um Objetivo de Nível de Serviço é uma meta para um SLI durante um período — por exemplo, 99,9% das solicitações devem ter sucesso ao longo de 30 dias. Ele define o que significa ser suficientemente bom.

Um SLA é uma promessa contratual aos clientes, muitas vezes com penalidades. Os SLOs são suas metas internas de engenharia, geralmente mais rigorosas.

Se seu SLO é de 99,9%, os 0,1% restantes formam seu orçamento de erro — a quantidade de falhas que você pode tolerar. Use-o em implantações arriscadas; quando acabar, reduza o ritmo e estabilize o sistema.

Envie alertas para as pessoas com base no que os usuários sentem, como uma taxa alta de erros ou respostas lentas, e não para cada oscilação da CPU. Alertas baseados em sintomas reduzem o ruído e a fadiga.

Ter painéis demais é tão ruim quanto não ter nenhum. Mantenha um pequeno conjunto de painéis confiáveis, com responsáveis definidos e associados aos seus SLOs, em vez de dezenas de painéis desatualizados.

Qual é a relação entre SLOs e orçamentos de erro?

Agora você consegue tornar o monitoramento significativo:

• Observe os quatro sinais dourados
• Entenda contadores, medidores e histogramas; faça consultas com rate()
• Defina SLIs (medidos) e SLOs (metas)
• Os orçamentos de erro orientam o ritmo das implantações; alerte sobre sintomas

A confiabilidade se torna algo que você mede e direciona, não apenas algo que espera alcançar.