Monitorización y observabilidad: saber que algo se rompió antes que el cliente
Qué medir
Empieza con cuatro: tasa de peticiones, tasa de error, tiempo de respuesta en los extremos, y saturación de recursos. Añade una métrica de negocio —pedidos por hora, registros, envíos— que capture fallos que la infraestructura no ve.
El tiempo de respuesta promedio engaña. Mira el percentil 95 y 99; ahí están los usuarios enfadados.
Registros útiles
Estructurados, con un identificador de petición que acompañe una llamada por todo el sistema, y sin información personal innecesaria. Un registro de texto libre es un archivo, no una herramienta de investigación.
Alertas que no desgastan
Alerta sobre síntomas que el usuario siente, no sobre cada anomalía técnica. Cada alerta debe incluir qué ocurrió, el impacto y el primer paso. Una alerta sin acción: bórrala. La fatiga de alertas es la causa número uno de perderse un incidente real.
En profundidad
Añade trazado distribuido que muestre el camino de una petición entre componentes con tiempos. En sistemas divididos es la única forma de responder 'por qué tardó tres segundos' sin adivinar, y acorta las investigaciones de horas a minutos.