Monitoramento tradicional pergunta "o sistema está de pé?". Observabilidade pergunta "por que o sistema está se comportando assim?" — e responde isso sem precisar prever de antemão qual pergunta vai ser feita. É a diferença entre um painel de luzes verdes e a capacidade real de investigar um problema novo, nunca visto antes, em produção.

Empresas que só descobrem que algo quebrou quando um cliente abre um ticket de suporte não têm um problema de sorte — têm um problema de instrumentação. E esse problema tem solução conhecida, construída sobre três pilares.

Os três pilares da observabilidade

  • Logs — registros discretos de eventos, ricos em contexto. O erro é logar texto solto; o certo é logar em formato estruturado (JSON) com campos consistentes que podem ser filtrados e correlacionados.
  • Métricas — séries temporais numéricas agregadas, como latência p99, taxa de erro e throughput. São baratas de armazenar e ótimas para alertas e dashboards em tempo real.
  • Traces — o caminho completo de uma requisição através de múltiplos serviços, mostrando exatamente onde o tempo foi gasto e onde a falha se originou em um sistema distribuído.

Os três pilares isolados já ajudam, mas o valor real aparece quando eles são correlacionados: um alerta de métrica leva ao trace da requisição afetada, que leva aos logs estruturados do serviço específico que falhou — sem precisar caçar manualmente em cinco sistemas diferentes.

SLIs, SLOs e o que realmente importa medir

Monitorar tudo é o mesmo que não monitorar nada — vira ruído. O framework de SRE do Google resolve isso com uma hierarquia simples:

  1. SLI (Service Level Indicator) — a métrica bruta que você mede: latência, disponibilidade, taxa de erro.
  2. SLO (Service Level Objective) — o alvo interno para essa métrica: "99.9% das requisições respondidas em menos de 300ms".
  3. Error budget — a margem de falha tolerada pelo SLO. Quando o orçamento de erro se esgota, a prioridade muda automaticamente de novas features para estabilidade.
Um error budget bem definido tira a discussão de "podemos lançar isso hoje?" do campo da opinião e coloca no campo do dado.
Regra prática
Alerte sobre sintomas que o usuário sente (latência alta, erros 5xx, filas crescendo), não sobre causas internas (uso de CPU, memória). Alertas de causa geram fadiga; alertas de sintoma geram ação.
Newsletter

Engenharia que vai direto ao ponto.

Conteúdo técnico para engenheiros e decisores. Sem enrolação, sem spam — só o que importa.

Sem spam. Cancele quando quiser.

Stack open source vs. observabilidade gerenciada

Existe um caminho open source sólido — Prometheus para métricas, Grafana para dashboards, Loki para logs e Tempo ou Jaeger para tracing — que dá controle total e custo previsível de infraestrutura, ao preço de operação própria. E existe o caminho gerenciado — Datadog, New Relic, Grafana Cloud — que reduz o custo operacional em troca de uma fatura que escala com o volume de dados.

A decisão certa depende do estágio da empresa: times pequenos sem SRE dedicado geralmente saem na frente com uma ferramenta gerenciada. Empresas com escala e um time de plataforma maduro frequentemente economizam significativamente migrando para stack própria — mas só depois de já saber exatamente o que precisam observar.

No Kordis Lab, implementamos observabilidade como parte do próprio ciclo de desenvolvimento, não como um projeto à parte depois que o incidente já aconteceu. Cada serviço novo nasce com logs estruturados, métricas de negócio e tracing distribuído desde o primeiro deploy.

Compartilhar