L-għan huwa tkun taf li s-sistema tiegħek mhix sħiħa qabel ma l-utenti tiegħek jgħidulok. Osservabbiltà tajba tħallik ta' risposta għal mistoqsijat li ma ntezzwargox, mhux biss iċċekkja sett fisso ta' dashboards. Bħala lead tekniku, inti tissettjaha qabel l-inċident, mhux matul.
Paġna fuq kif l-utent iħoss, mhux ġibda interna. Anchor alertings għal SLOs: rata ta' żball, latenza (p95/p99), u disponibbiltà. Spike ta' CPU mhux inċident; checkout nieqes għal 2% tal-utenti hu.
| Alert fuq | Tħawwad mill-paġna |
|---|---|
| Rata ta' żball taħlef SLO | Spike ta' CPU waħda |
| Latenza p99 fuq il-baġit | Talba waħda bil-mod |
| Iċċekkjati tas-saħħa falliti | Disk f'60% |
Kull alert għandu jkun urġent, reali, u li jistgħu jinqalbu — huwa jisemmi kif hu ħażin u jipponta għall-pass li jmiss. Alertings li jaraw kostantement jallenu t-tim biex ignorahim; fatiga ta' alert hu kif inċidenti veri jitwiżżu. Żid iċċekkjati tas-saħħa u dashboards li juru l-isinjalamenti tad-deheb f'daqqa.
Friegħ li josserbaw biss wara inċident itlajru bla għawwiġ: jitgħallmu dwar outages minn klijenti arrabbjati u debug b'indovinar. Investiment f'osservabbiltà mill-quddiem jibdel il-misteri ta' 3 filgħodu f'dijanjosi ta' 5 minuti, inaqqas il-ħin ta' twaqqif, u jilbera t-tim biex jittrasporta minflok jittem joqgħod il-nar.