Målet er at vide, at dit system er udsundt, før dine brugere fortæller det til dig. God observability lader dig besvare spørgsmål, du ikke forventede, ikke blot tjekke et fast sæt dashboards. Som tech lead sætter du dette op før incidenten, ikke under den.
Page på hvad brugeren føler, ikke på intern jitter. Forankr alerts til SLOs: error rate, latency (p95/p99) og availability. En CPU spike er ikke en incident; checkout failer for 2% af brugerne er.
| Alert på | Page ikke på |
|---|---|
| Error rate bryder SLO | Enkelt CPU spike |
| p99 latency over budget | En langsommelig request |
| Mislykkede health checks | Disk på 60% |
Hver alert skal være presserende, reel og handling baseret — den navngiver hvad der er galt og peger på næste trin. Alerts der fyres konstant træner teamet til at ignorere dem; alert fatigue er hvordan rigtige incidents bliver misset. Tilføj health checks og dashboards der viser de gyldne signaler på et øjeblik.
Teams der kun observerer efter en incident flyver blindt: de lærer om outages fra vrede kunder og debugger med gætteri. Investering i observability fra starten forvandler 3 om natten mysterier til 5-minutes diagnoser, reducerer downtime og frigør teamet til at sende i stedet for at bekæmpe brande.