監視と観測可能性：顧客より前に何かが壊れたことを知る

何を測定するか

四つから始める：リクエスト率、エラー率、端での応答時間、リソース飽和。一つのビジネス指標を追加する——時間あたりの注文、登録、送信——インフラが見ないバグを捉えるために。

平均応答時間は誤解を招く。95パーセンタイルと99パーセンタイルを見る；怒っているユーザーはそこにいる。

有用なログ

システム全体を通る呼び出しに同行するリクエスト識別子と、不必要な個人情報なしに構造化された。フリーテキストログはアーカイブであり、調査ツールではない。

疲弊しないアラート

すべての技術的な異常ではなく、ユーザーが感じる症状でアラートを出す。すべてのアラートに何が起きたか、影響、最初のステップを含める。アクションのないアラート——削除する。アラート疲弊は本物のインシデントを見逃す第一の原因だ。