Estratégia de Monitoramento e Alertas

Como você projeta uma estratégia de monitoramento e alertas? Quais métricas você acompanharia e como evitar a fadiga de alertas?

Perguntas de Pleno

Observabilityintermediate

// pergunta de entrevista

Como você projeta uma estratégia de monitoramento e alertas? Quais métricas você acompanharia e como evitar a fadiga de alertas?

Resposta de exemplo

Comece pelos quatro golden signals: latência, tráfego, erros e saturação. Use o método RED para serviços (Rate, Errors, Duration) e o método USE para recursos (Utilization, Saturation, Errors). Para evitar a fadiga de alertas: alerte com base em sintomas, não em causas, defina limiares apropriados usando dados históricos, use níveis de severidade (page vs ticket), implemente agrupamento e deduplicação de alertas, exija runbooks para todo alerta, e revise e ajuste os alertas regularmente. Faça page apenas para problemas acionáveis que exigem intervenção humana imediata.

Por que isso importa

Um monitoramento eficaz permite detecção proativa de problemas e resolução mais rápida de incidentes. Alertas mal configurados levam à fadiga de alertas, em que sinais importantes acabam sendo ignorados. Essa é uma habilidade crítica para manter sistemas confiáveis.

Exemplos de código

Exemplo de regras de alerta no Prometheus

yaml

groups:
- name: service-alerts
  rules:
  # High error rate - page immediately
  - alert: HighErrorRate
    expr: |
      sum(rate(http_requests_total{status=~"5.."}[5m]))
      / sum(rate(http_requests_total[5m])) > 0.05
    for: 5m
    labels:
      severity: critical
    annotations:
      summary: High error rate detected
      runbook: https://wiki/runbooks/high-error-rate

  # High latency - create ticket
  - alert: HighLatency
    expr: |
      histogram_quantile(0.95, rate(http_request_duration_seconds_bucket[5m])) > 0.5
    for: 10m
    labels:
      severity: warning
    annotations:
      summary: P95 latency above 500ms

Erros comuns a evitar

Alertar em toda vez que um limiar de métrica é ultrapassado
Não incluir runbooks junto com os alertas
Definir limiares sem dados históricos de referência

Prováveis perguntas de acompanhamento

Qual é a diferença entre métricas, logs e traces?
Como você decide entre severidade de alerta warning e critical?
O que é um error budget e como ele se relaciona com alertas?

Responda em voz alta primeiro e depois confira com a resposta modelo.

Praticar todas as perguntas de Pleno Mais perguntas de Observability

#monitoring#alerting#observability#sre#metrics

Mais perguntas de entrevista de Observability

Also worth your time on this topic

Checklist

Checklist de Monitoramento e Observabilidade

Checklist completo para implementar monitoramento, logging, tracing e alertas em toda a sua infraestrutura e aplicações.

60-90 minutos

Interview

Os Quatro Sinais de Ouro do Monitoramento

Quais são os quatro sinais de ouro do monitoramento e por que eles são importantes?

junior

Exercise

Observabilidade de Microsserviços com OpenTelemetry

Implemente uma observabilidade abrangente para microsserviços usando o OpenTelemetry para tracing distribuído, métricas e logging em múltiplos serviços.

140 minutos