El tablero debe responder preguntas#
Durante un incidente no hay tiempo para interpretar decenas de gráficas decorativas. Un tablero útil permite saber qué cambió, a quién afecta y cuál recurso se acerca a su límite.
Las cuatro señales#
- Latencia: cuánto tarda el trabajo, incluyendo percentiles altos.
- Tráfico: cuánto trabajo recibe el sistema.
- Errores: solicitudes fallidas por tipo y dependencia.
- Saturación: cuánto margen queda en CPU, memoria, conexiones y colas.
Contexto de despliegue#
Las métricas deben mostrar versiones y eventos de despliegue. Una regresión que comienza exactamente con una nueva versión reduce drásticamente el espacio de búsqueda.
De servicio a dependencia#
Empieza por el síntoma del usuario y baja una capa a la vez: API, cola, base de datos y proveedor externo. Evita construir un tablero diferente para cada incidente posible.
Un criterio sencillo#
Cada gráfica debe apoyar una decisión: revertir, escalar, limitar tráfico o investigar una dependencia. Si nunca cambia la acción del operador, probablemente no merece espacio en la vista principal.