Il monitoraggio ti dice che qualcosa è successo; l’osservabilità ti fa capire perché. E soprattutto ti fa mettere gli allarmi sui sintomi giusti: quelli che l’utente percepisce.

I tre pilastri

Metriche, log e tracce — idealmente raccolti con uno standard come OpenTelemetry, così non sei legato a un fornitore. Le tracce, in particolare, mostrano il viaggio di una singola richiesta attraverso i servizi: è lì che si scoprono i colli di bottiglia.

Allarma sugli SLO, non sui numeri

Un SLO (Service Level Objective) è la promessa che fai all’utente: ad esempio “il 99% delle richieste sotto i 300ms”. L’allarme deve scattare quando stai consumando il tuo error budget, non quando un grafico ha un picco innocuo.

# % di richieste veloci (SLI di latenza)
sum(rate(http_request_duration_seconds_bucket{le="0.3"}[5m]))
  / sum(rate(http_request_duration_seconds_count[5m]))

Il risultato: meno allarmi, ma quelli che arrivano contano davvero. Il team smette di ignorarli — ed è metà del lavoro.