Observabilidade
Quem já ficou de plantão sabe por que observabilidade importa: sem ela, um incidente vira adivinhação. Observabilidade é conseguir responder “por que está lento para este cliente agora?” sem fazer deploy de log novo.
Os três sinais
| Sinal | Responde | Ferramentas comuns |
|---|---|---|
| Logs | o que aconteceu, em detalhe | Serilog, Seq, Elasticsearch e Kibana, Loki |
| Métricas | quanto, com que frequência, quão rápido | Prometheus e Grafana, Azure Monitor, CloudWatch |
| Traces | por onde a requisição passou e quanto tempo em cada parte | Jaeger, Tempo, Zipkin, Application Insights |
Datadog, New Relic, Dynatrace e Application Insights juntam os três numa plataforma paga, e são comuns nas empresas.
OpenTelemetry: o padrão
O OpenTelemetry é o padrão aberto para gerar os três sinais. A aplicação instrumenta uma vez e exporta via OTLP para qualquer backend; trocar de Datadog para Grafana vira configuração, não reescrita.
builder.Services.AddOpenTelemetry()
.ConfigureResource(r => r.AddService("pedidos-api"))
.WithTracing(t => t
.AddAspNetCoreInstrumentation()
.AddHttpClientInstrumentation()
.AddSqlClientInstrumentation()
.AddSource("Pedidos"))
.WithMetrics(m => m
.AddAspNetCoreInstrumentation()
.AddHttpClientInstrumentation()
.AddRuntimeInstrumentation()
.AddMeter("Pedidos"))
.UseOtlpExporter(); // endpoint em OTEL_EXPORTER_OTLP_ENDPOINT
builder.Logging.AddOpenTelemetry(o =>
{
o.IncludeFormattedMessage = true;
o.IncludeScopes = true;
});
Com isso, toda requisição HTTP, chamada externa e consulta SQL vira um span, e os logs saem com o TraceId: do log de erro você chega ao trace inteiro.
Para testar local, o dashboard do .NET Aspire roda num container e recebe OTLP sem configurar mais nada.
Logs estruturados
// Ruim: texto interpolado, impossível de filtrar por campo
logger.LogInformation($"Pedido {pedido.Id} criado para {pedido.CustomerId}");
// Bom: message template; PedidoId e ClienteId viram campos pesquisáveis
logger.LogInformation("Pedido {PedidoId} criado para {ClienteId}", pedido.Id, pedido.CustomerId);
Em ponto quente, o LoggerMessage gerado em tempo de compilação evita alocação:
public static partial class Log
{
[LoggerMessage(Level = LogLevel.Warning, Message = "Limite de pedidos atingido para {ClienteId}")]
public static partial void LimiteAtingido(ILogger logger, string clienteId);
}
Regras de nível:
- Error: algo falhou e alguém precisa olhar.
- Warning: degradou, mas se recuperou (retry que funcionou, fallback).
- Information: eventos de negócio relevantes (pedido criado, pagamento aprovado).
- Debug: detalhe para investigar; desligado em produção.
Nunca logue senha, token, cartão ou CPF completo. Ver Segurança.
Métricas de negócio
Métrica técnica diz que a API está de pé; métrica de negócio diz se ela está fazendo o trabalho.
public sealed class PedidosMetrics
{
private readonly Counter<long> _criados;
public PedidosMetrics(IMeterFactory meters)
{
var meter = meters.Create("Pedidos");
_criados = meter.CreateCounter<long>("pedidos.criados", description: "Pedidos criados");
}
public void PedidoCriado(string canal) => _criados.Add(1, new KeyValuePair<string, object?>("canal", canal));
}
“Pedidos criados por minuto caiu a zero” é o alerta que pega o bug que nenhum 500 mostrou.
Health checks
builder.Services.AddHealthChecks()
.AddDbContextCheck<AppDbContext>(tags: ["ready"]);
app.MapHealthChecks("/health/live", new() { Predicate = _ => false }); // o processo responde
app.MapHealthChecks("/health/ready", new() { Predicate = c => c.Tags.Contains("ready") }); // pode receber tráfego
O Kubernetes usa o live para reiniciar o container e o ready para tirar a instância do balanceador. Não coloque dependência externa no live: o banco caiu e o Kubernetes reinicia todas as instâncias em loop. Ver Docker e Kubernetes.
Alertas que valem a pena
- Alerte em sintoma (taxa de erro, latência p99, fila crescendo), não em causa (CPU a 80%).
- Todo alerta precisa de uma ação. Alerta que todo mundo ignora treina o time a ignorar alerta.
- SLO definido com o negócio: “99,9% das requisições abaixo de 500 ms em 30 dias”. O alerta dispara quando o orçamento de erro está sendo gasto rápido demais.
O que perguntam em entrevista
- Diferença entre log, métrica e trace.
- O que é log estruturado e por que importa.
- Como rastrear uma requisição que passa por vários serviços.
- O que você monitora numa API recém-publicada.
- Diferença entre liveness e readiness.