📊 Observabilidade

📊 Os 3 Pilares da Observabilidade

Observabilidade é a capacidade de entender o estado interno de um sistema a partir de suas saídas externas. Vai além do monitoramento tradicional — em vez de só saber "o sistema caiu", você consegue responder "por que caiu e onde".

☁️ AWS CloudWatch

O CloudWatch é o serviço central de observabilidade da AWS — coleta logs, métricas e eventos de praticamente todos os serviços AWS.

Comandos CLI essenciais:

# Listar log groups
aws logs describe-log-groups --region us-east-1

# Ver logs em tempo real (tail)
aws logs tail /ecs/minha-app --follow --region us-east-1

# Query com Logs Insights (últimos 30 min)
aws logs start-query \
  --log-group-name /ecs/minha-app \
  --start-time $(date -d '30 minutes ago' +%s) \
  --end-time $(date +%s) \
  --query-string 'fields @timestamp, @message | filter @message like /ERROR/ | sort @timestamp desc | limit 20' \
  --region us-east-1

# Criar alarme de CPU alta
aws cloudwatch put-metric-alarm \
  --alarm-name "CPU-Alta-ECS" \
  --metric-name CPUUtilization \
  --namespace AWS/ECS \
  --statistic Average \
  --period 300 \
  --threshold 80 \
  --comparison-operator GreaterThanThreshold \
  --evaluation-periods 2 \
  --alarm-actions arn:aws:sns:us-east-1:123456789:alertas \
  --region us-east-1

Métrica customizada — enviar do código:

# Publicar métrica customizada via CLI
aws cloudwatch put-metric-data \
  --namespace "AegisCloud/App" \
  --metric-name "PedidosProcessados" \
  --value 42 \
  --unit Count \
  --region us-east-1

CloudWatch Agent — coletar logs de EC2:

# Instalar agente no EC2 (Amazon Linux)
sudo yum install -y amazon-cloudwatch-agent

# Configuração mínima /opt/aws/amazon-cloudwatch-agent/etc/config.json
# {
#   "logs": {
#     "logs_collected": {
#       "files": {
#         "collect_list": [{
#           "file_path": "/var/log/app/*.log",
#           "log_group_name": "/ec2/minha-app",
#           "log_stream_name": "{instance_id}"
#         }]
#       }
#     }
#   }
# }

sudo /opt/aws/amazon-cloudwatch-agent/bin/amazon-cloudwatch-agent-ctl \
  -a fetch-config -m ec2 -s \
  -c file:/opt/aws/amazon-cloudwatch-agent/etc/config.json

🔍 AWS X-Ray — Distributed Tracing

O X-Ray rastreia requisições através de múltiplos serviços AWS, mostrando onde ocorrem gargalos e erros em arquiteturas distribuídas e microserviços.

# Habilitar X-Ray no ECS — adicionar sidecar no task definition
# task-definition.json
{
  "containerDefinitions": [
    {
      "name": "minha-app",
      "image": "minha-app:latest",
      "environment": [
        {"name": "AWS_XRAY_DAEMON_ADDRESS", "value": "xray-daemon:2000"}
      ]
    },
    {
      "name": "xray-daemon",
      "image": "amazon/aws-xray-daemon",
      "portMappings": [{"containerPort": 2000, "protocol": "udp"}],
      "cpu": 32,
      "memoryReservation": 256
    }
  ]
}

🔥 Prometheus

O Prometheus é o padrão open-source para coleta de métricas em ambientes Kubernetes. Coleta métricas via scraping HTTP (pull model) em intervalos configuráveis.

Deploy no Kubernetes com Helm:

# Adicionar repositório Helm
helm repo add prometheus-community https://prometheus-community.github.io/helm-charts
helm repo update

# Instalar kube-prometheus-stack (Prometheus + Grafana + Alertmanager)
helm install monitoring prometheus-community/kube-prometheus-stack \
  --namespace monitoring \
  --create-namespace \
  --set grafana.adminPassword=aegis2026

# Verificar pods
kubectl get pods -n monitoring

# Acessar Prometheus localmente
kubectl port-forward svc/monitoring-kube-prometheus-prometheus 9090:9090 -n monitoring

# Acessar Grafana localmente
kubectl port-forward svc/monitoring-grafana 3000:80 -n monitoring
# Login: admin / aegis2026

PromQL — queries essenciais:

# CPU usage por pod (últimos 5 min)
rate(container_cpu_usage_seconds_total{namespace="default"}[5m])

# Memória em uso por container
container_memory_working_set_bytes{namespace="default"}

# Taxa de erros HTTP 5xx
rate(http_requests_total{status=~"5.."}[5m])

# Latência p99 das requisições
histogram_quantile(0.99, rate(http_request_duration_seconds_bucket[5m]))

# Pods não prontos
kube_pod_status_ready{condition="false"}

📊 Grafana — Dashboards

O Grafana é a ferramenta de visualização padrão do mercado. Conecta a múltiplas fontes de dados (Prometheus, CloudWatch, Elasticsearch, etc.) e cria dashboards interativos.

Adicionar CloudWatch como datasource:

# grafana-datasource.yaml — via ConfigMap no K8s
apiVersion: v1
kind: ConfigMap
metadata:
  name: grafana-datasources
  namespace: monitoring
data:
  datasources.yaml: |
    apiVersion: 1
    datasources:
      - name: CloudWatch
        type: cloudwatch
        jsonData:
          defaultRegion: us-east-1
          authType: default  # usa IAM Role do pod
      - name: Prometheus
        type: prometheus
        url: http://prometheus-server:9090
        isDefault: true

🔔 Alertas

Alertas eficientes notificam a pessoa certa, no momento certo, com contexto suficiente para agir.

Alertmanager — regras de alerta no Prometheus:

# prometheus-rules.yaml
groups:
  - name: aplicacao
    rules:
      - alert: AltaTaxaDeErros
        expr: rate(http_requests_total{status=~"5.."}[5m]) > 0.05
        for: 2m
        labels:
          severity: critical
        annotations:
          summary: "Taxa de erros 5xx acima de 5%"
          description: "Serviço {{ $labels.service }} com {{ $value | humanizePercentage }} de erros"

      - alert: PodCrashLooping
        expr: rate(kube_pod_container_status_restarts_total[15m]) > 0
        for: 5m
        labels:
          severity: warning
        annotations:
          summary: "Pod em CrashLoop: {{ $labels.pod }}"

Notificação no Slack via SNS + Lambda:

# Criar tópico SNS
aws sns create-topic --name alertas-producao --region us-east-1

# Assinar email
aws sns subscribe \
  --topic-arn arn:aws:sns:us-east-1:123456789:alertas-producao \
  --protocol email \
  --notification-endpoint contato@aegiscloud.com.br \
  --region us-east-1

🎯 SLI, SLO e SLA

Esses três conceitos formam a base da engenharia de confiabilidade (SRE) e definem como medir e comprometer-se com a qualidade do serviço:

✅ Boas Práticas de Observabilidade

• Logs estruturados: use JSON nos logs — facilita queries e parsing automático
• Correlation ID: propague um ID único por toda a cadeia de serviços para correlacionar logs e traces
• Alertas acionáveis: só alerte quando há ação humana necessária — alertas sem ação viram ruído
• Dashboards por audiência: dashboard de negócio (pedidos/min) separado do técnico (CPU/latência)
• Retenção de logs: defina políticas de retenção no CloudWatch — logs antigos custam caro
• Baseline de métricas: conheça o comportamento normal antes de definir thresholds de alerta
• Runbooks: cada alerta deve ter um runbook linkado — o que fazer quando disparar