← AWS DevOps Engineer Professional: operação e entrega
06 / 24 · 115 MIN

Telemetria e alarmes úteis

Distingue ausência, valor e entrega da ação operacional.

Conceito e mecanismo

Um dashboard só é útil se o sinal representar o recurso e a condição pretendidos. Para métricas do guest, como memória, configura um coletor apropriado, permissões e destino. Ter CPU EC2 não demonstra que a recolha do sistema operativo está preparada.

Namespace, nome e dimensões identificam a série: Environment=prod e Environment=production não são equivalentes por intenção. Antes de mudar limiares, confirma que chegam pontos à série consultada. Depois verifica unidade, período e agregação.

Um valor zero pode ser uma observação legítima; ausência significa que não recebeste a observação esperada. Confundir os dois pode esconder falhas de recolha.

Aplicação guiada

A política de missing data deve seguir a semântica. Num heartbeat contínuo, tratar ausência como notBreaching pode esconder interrupção. Num contador que só emite erros, silêncio pode ser normal se houver um controlo separado da saúde do emissor.

Não escolhas a mesma regra para tudo. Para M de N com pontos completos, conta quantos ultrapassam o limiar: dois de três acima de 80 dispara com 75, 85 e 90. Composite alarms ajudam a combinar estados e reduzir ruído, mas não suportam diretamente ações Auto Scaling ou EC2.

Finalmente, testa a entrega da ação. Um alarme em ALARM não prova que o destinatário recebeu a notificação nem que o escalamento começou.

Exportar métricas com um contrato verificável

Uma equipa fictícia envia métricas CloudWatch para uma ferramenta externa de observabilidade. Desenha o caminho desde o produtor até ao consumidor: publicação, seleção do metric stream, receção pelo Firehose, entrega final e interpretação. Em cada salto, identifica a evidência disponível e o que ela não prova.

MetricUpdate não demonstra por si só persistência no último destino. Se Firehose recebe dados e o destino está vazio, investiga permissões, configuração e erros desse salto. Define também quais contas e namespaces entram no stream.

Consulta central por OAM não obriga a exportar todas as origens ligadas. Usa uma seleção suportada: o mesmo stream não combina filtros de inclusão e exclusão.

Tratar lacunas e transições de formato

Running descreve o estado atual do stream, mas não garante que existam métricas elegíveis nem que todo o histórico esteja no destino. Ao parar e retomar, os pontos publicados durante a pausa não são automaticamente reenviados. Um ponto já enviado também não volta a ser enviado apenas porque o valor dessa métrica e timestamp foi alterado.

Regista essas limitações no contrato de reconciliação. Mudar formato no mesmo Firehose pode deixar registos antigos e novos em trânsito; prepara compatibilidade do parser ou separa temporariamente o transporte. Não elimines objetos que falham parsing para melhorar um indicador de sucesso.

Preserva-os com acesso adequado e atribui dono à recuperação ou à declaração explícita da lacuna.

Observar um percurso sem tráfego real

Antes da abertura de um serviço fictício, uma verificação sintética pode autenticar, consultar um objeto de teste e validar o resultado. Define identidades, dados e efeitos permitidos; evita criar instruções reais como consequência acidental do monitor.

O endpoint pode estar disponível e o canário falhar por dependências próprias. Numa VPC privada, acesso à API não substitui os caminhos necessários para publicar métricas em CloudWatch e artefactos em S3. Revê DNS, rotas, endpoints e permissões conforme o desenho.

A métrica Failed identifica falhas de execução do canário; não a convertas diretamente em transações de clientes falhadas. Essa distinção mantém o incidente orientado pela evidência e torna visível a perda de cobertura.

Atualizar o monitor e proteger os artefactos

O código de monitorização também muda e pode falhar após uma atualização de runtime. Num runtime suportado, usa safe updates para executar um dry run, inspecionar resultados e aplicar a configuração validada. Esse ensaio não testa alterações de Schedule, que precisam de verificação separada.

Revê ainda o que o canário regista. HTTPS protege o transporte mas não impede tokens em URLs, headers ou corpos capturados. Usa segredos fora do código, redação adequada e acesso restrito aos artefactos.

Ao passar o serviço para RUN, entrega a versão do monitor, o âmbito funcional testado, a agenda verificada e o procedimento para distinguir falha do teste de falha da aplicação. A evidência deve continuar utilizável sem divulgar informação desnecessária.

Escolher o denominador do SLO

Um SLO por períodos pergunta quantos intervalos curtos foram saudáveis. Um SLO por pedidos pergunta quantos pedidos tiveram o resultado pretendido. Quando o tráfego varia, as duas percentagens podem divergir.

Acorda a população com o negócio e define explicitamente o SLI. Availability padrão de Application Signals usa respostas sem 5xx como sucesso técnico; um percurso que devolve 4xx relevantes para o negócio pode precisar de outro indicador. Para interpretar orçamento de erro, separa o máximo tolerável, o consumo observado e o saldo.

O burn rate compara a taxa de eventos maus com a taxa permitida pelo objetivo. Não é a própria percentagem de erro nem uma previsão incondicional do tempo até esgotar o orçamento.

Exercício: orçamento e decisão de operação

O modelo local calcula orçamento para períodos de um minuto e burn rate numa população completa. Executa os exemplos e explica por que motivo 1 000 períodos a 99% permitem dez períodos maus e deixam três depois de consumir sete. Depois calcula a razão entre 0,6% observado e 0,1% permitido.

O modelo não reproduz a avaliação AWS, exclusões, atrasos de publicação ou falta de dados. Esses casos devem ser tratados antes de usar números reais num parecer. Escreve uma nota ao gestor que indique sinal, população, intervalo, consumo e próxima ação.

Se o cliente continua impedido de trabalhar, um indicador que não mede esse percurso não basta para fechar o incidente.


# Original local SLO arithmetic; not an Application Signals evaluator.
from fractions import Fraction

def remaining_periods(total, bad, goal_percent):
    goal = Fraction(str(goal_percent)) / 100
    if type(total) is not int or type(bad) is not int or total <= 0 or not 0 <= bad <= total or not 0 < goal < 1:
        raise ValueError("invalid complete-population inputs")
    return total * (1 - goal) - bad

def burn_rate(error_percent, goal_percent):
    error, goal = Fraction(str(error_percent)), Fraction(str(goal_percent))
    if not 0 <= error <= 100 or not 0 < goal < 100:
        raise ValueError("invalid percentages")
    return error / (100 - goal)

assert remaining_periods(1000, 7, 99) == 3
assert remaining_periods(1000, 12, 99) == -2
assert burn_rate(0.6, 99.9) == 6
assert burn_rate(0, 99.9) == 0
for args in [(0, 0, 99), (10, 11, 99), (10, 0, 100)]:
    try:
        remaining_periods(*args)
    except ValueError:
        pass
    else:
        raise AssertionError("invalid population accepted")
NA PRÁTICA

Após mudar o agente, desaparecem pontos mas o dashboard fica verde. Verifica recolha e serviço antes de celebrar melhoria.

Armadilhas comuns

Ausência como zero; dimensão aproximada; composite com qualquer ação; estado do alarme como receção da mensagem.

Tópicos relacionados: Eventos, incidentes e replay · Segurança e evidência operacional

Leva esta ideia contigo

Valida recolha, interpretação e entrega até à equipa responsável.

Criar conta

Referências

AWS é uma marca comercial da Amazon.com, Inc. ou das suas afiliadas. A dr.pt é uma plataforma de preparação independente e não está afiliada, associada, patrocinada, autorizada nem aprovada por AWS. Os conteúdos e as perguntas são originais, não são perguntas oficiais de exame, e concluir os nossos testes não atribui nem garante qualquer certificação. Os nomes são usados apenas para identificar o tema. Todas as outras marcas pertencem aos respetivos titulares.