Monitoraggio Applicazioni e Osservabilità

Monitoraggio Applicazioni e Osservabilità

L'osservabilità è la capacità di comprendere lo stato del sistema dagli output esterni. Tre pilastri: Metriche, Log, Trace. Più: Profiling, RUM, Synthetic monitoring.

Metriche

Prometheus: Pull model, label multi-dimensionali, PromQL. Metodo RED: Rate, Errors, Duration (per richieste). Metodo USE: Utilization, Saturation, Errors (per risorse). Metriche chiave: Latenza (p50, p95, p99), Traffico (RPS), Errori (rate, 5xx), Saturazione (CPU, memoria, disco, connessioni). Metriche business custom: Iscrizioni, fatturato, utenti attivi.

Log

JSON strutturato: timestamp, level, message, trace_id, span_id, service, context. Livelli: DEBUG, INFO, WARN, ERROR, FATAL. Aggregazione: Fluent Bit/Fluentd → Loki/Elasticsearch/OpenSearch. Retenzione: Hot (giorni), warm (settimane), cold (mesi/anni). Campionamento: Tail-based (mantieni errori, campiona successi). Correlazione: Trace ID linka log a trace.

Distributed Tracing

OpenTelemetry: SDK/API vendor-neutral, auto-instrumentazione. Propagazione contesto: W3C TraceContext (traceparent, tracestate). Span: Nome operazione, start/end, attributi, eventi, link. Campionamento: Head-based (decidi alla root), tail-based (decidi dopo). Backend: Jaeger, Zipkin, Tempo, Datadog, Honeycomb. Service map: Visualizza dipendenze.

SLI/SLO/SLA

SLI (Service Level Indicator): Misura quantificabile (latenza, disponibilità, throughput). SLO (Service Level Objective): Target per SLI (99.9% disponibilità, p99 < 200ms). SLA (Service Level Agreement): Contratto con conseguenze. Error budget: 1 - SLO, speso per release. Alert su burn rate budget (multi-window, multi-burn-rate).

Alerting

Alert su sintomi (user-facing), non cause. Route: PagerDuty, Opsgenie, Slack, Email. On-call: Rotazione, escalation, runbook. Alert fatigue: Riduci rumore, alert actionable only. Dead man's switch: Heartbeat alert. Testa alert regolarmente.

Real User Monitoring (RUM)

Raccogli da browser reali: Core Web Vitals, errori JS, latenza API, interazioni utente. Tool: Web Vitals library, Boomerang, Datadog RUM, New Relic Browser, Elastic RUM. Segmenta per: Browser, device, geografia, connessione. Correla con trace backend.

Synthetic Monitoring

Check scriptati: Endpoint API, flussi utente critici. Frequenza: 1-5 min. Locazioni: Globali (multi-region). Tool: Checkly, Grafana Cloud k6, Pingdom, UptimeRobot, Datadog Synthetics. Alert su: Disponibilità, latenza, validazione contenuto, scadenza certificato.

Profiling

Profiling continuo: CPU, memoria, goroutine, allocazioni. Tool: Pyroscope, Datadog Profiler, Google Cloud Profiler, Parca. Identifica: Hot path, memory leak, pressione GC, lock contention. Integra con CI: Confronta profili pre/post deploy.

Incident Response

Runbook: Step-by-step per alert comuni. War room: Canale comunicazione (Slack/Teams). Ruoli: Incident commander, scribe, communicator. Blameless postmortem: Timeline, root cause, action items. Chaos engineering: Game days, failure injection (Litmus, Chaos Mesh).