Métricas contam padrões, logs descrevem eventos individuais e traces conectam o trabalho entre serviços. Escolha-os a partir da operação do usuário que você precisa proteger. Um gráfico de CPU pode parecer saudável enquanto as requisições de checkout estouram o tempo esperando um provedor. Uma latência média também pode esconder os usuários que recebem as respostas mais lentas, principalmente quando os erros ficam fora da amostra.
Um objetivo de serviço precisa de uma janela, de um denominador e de uma definição de trabalho bom. Conte as requisições elegíveis bem-sucedidas dentro do limite de latência e decida como tratar as falhas parciais. Alerte sobre um sintoma que exige ação, não sobre cada pico breve de uma métrica de máquina. Você vai calcular um orçamento de erros, conectar requisições com o contexto de trace e evitar usar IDs de usuário sem limite como rótulos de métricas.
Meça a operação do usuário e alerte quando o risco ao objetivo se mantiver.