07. Alertas operacionais e diagnóstico por métricas

Um alerta útil precisa detectar uma condição relevante e entregar contexto suficiente a quem vai agir. Um pico isolado, uma falha persistente e três ocorrências consecutivas são regras diferentes, ainda que todas possam usar a mesma métrica.

Entidade e medida observada

Defina a unidade protegida: equipamento, centro de distribuição, pipeline ou outra entidade. Uma média global pode ocultar uma falha localizada se unidades saudáveis compensarem uma atrasada. A chave que identifica o objeto precisa ser estável e estar disponível no dado usado pela regra.

Escolha uma medida que represente o compromisso. Volume zero pode ser normal fora do horário de atividade; atraso crescente pode indicar problema mesmo com processamento ativo. Relacione a métrica ao período e ao comportamento esperado para reduzir falsos positivos.

Se nove centros operam com atraso zero e um possui atraso de cinquenta minutos, a média global de cinco minutos pode parecer saudável. O exemplo mostra que a agregação precisa corresponder ao compromisso, que é por centro. A chave da entidade deve permanecer disponível na regra e na mensagem. Sem ela, mesmo uma condição verdadeira pode gerar uma notificação sem localização útil. Definir unidade, medida e janela antes da configuração reduz o risco de construir um alerta tecnicamente válido para a pergunta errada.

Condição, duração e repetição

Ultrapassar um limite uma vez não é igual a permanecer acima dele por dez minutos. Contar três eventos consecutivos também não define uma duração, pois eles podem chegar em segundos ou em intervalos irregulares. Expresse a condição temporal pelo mecanismo adequado.

Janelas e critérios de permanência reduzem ruído, mas acrescentam tempo até a detecção. O ajuste deve preservar a capacidade de perceber uma degradação realmente persistente. Teste uma sequência com pico breve, outra com condição sustentada e uma terceira com recuperação para confirmar quando a regra dispara e se rearma.