Muitos desenvolvedores aprendem:

• programação;
• APIs;
• banco de dados;
• cloud;
• Inteligência Artificial.

Mas poucos aprendem o que acontece depois do deploy.

E é justamente nesse momento que a engenharia começa de verdade.

Neste artigo você aprenderá:

• O que é observabilidade;
• Como monitorar sistemas modernos;
• O que são logs, métricas e traces;
• Como identificar falhas;
• O que são SLOs e SLAs;
• Como monitorar aplicações com IA;
• Como operar sistemas em produção.

O Que é Observabilidade?

Imagine que seu sistema esteja em produção.

De repente um cliente envia uma mensagem:

O sistema está lento.

A primeira pergunta é:

Por quê?

Sem observabilidade, você não sabe.

Com observabilidade, você consegue investigar rapidamente.

Observabilidade é a capacidade de entender o comportamento interno de um sistema através dos dados que ele produz.

Esses dados normalmente são:

• Logs;
• Métricas;
• Traces.

Por Que Observabilidade é Importante?

Quando um sistema cresce, problemas se tornam inevitáveis.

Exemplos:

• APIs lentas;
• Banco sobrecarregado;
• Integrações indisponíveis;
• Erros inesperados;
• Falhas de infraestrutura.

Sem observabilidade:

Problema
↓
Pânico

Com observabilidade:

Problema
↓
Diagnóstico
↓
Correção

Os Três Pilares da Observabilidade

A observabilidade moderna é baseada em três pilares.

Logs

Métricas

Tracing

Juntos eles fornecem uma visão completa do sistema.

Logs

Logs registram eventos.

Exemplos:

Usuário autenticado

Pedido criado

Pagamento aprovado

Erro ao processar checkout

Um log bem estruturado normalmente contém:

{
  "timestamp": "2026-01-01T10:00:00Z",
  "level": "INFO",
  "service": "orders",
  "message": "Order created",
  "order_id": "123"
}

O Que Registrar?

Boas práticas:

Registrar:

• Eventos importantes;
• Mudanças de estado;
• Erros;
• Integrações externas.

Evitar:

• Senhas;
• Tokens;
• Dados sensíveis.

Métricas

Logs explicam o que aconteceu.

Métricas mostram tendências.

Exemplos:

Número de usuários

Quantidade de pedidos

Uso de CPU

Uso de memória

Latência

Uma métrica normalmente responde:

Quanto?

Métricas Essenciais

Para APIs:

Requests por segundo

Taxa de erro

Latência

Para banco de dados:

Conexões

Consultas lentas

Locks

Para infraestrutura:

CPU

Memória

Disco

Tracing

Tracing mostra o caminho percorrido por uma requisição.

Imagine um checkout:

Frontend
↓
API
↓
Orders Service
↓
Payments Service
↓
Banco

Qual etapa ficou lenta?

O trace mostra exatamente onde o tempo foi gasto.

Exemplo de Trace

Request

├── API Gateway (20ms)
├── Orders Service (40ms)
├── Payments Service (800ms)
└── Database (15ms)

Problema identificado:

Payments Service

O Que é um SLI?

SLI significa:

Service Level Indicator

É uma métrica que representa a saúde do sistema.

Exemplos:

Latência

Disponibilidade

Taxa de erro

O Que é um SLO?

SLO significa:

Service Level Objective

É o objetivo que queremos atingir.

Exemplo:

99.5% de disponibilidade mensal

Ou:

P95 abaixo de 500ms

O Que é um SLA?

SLA significa:

Service Level Agreement

É um compromisso formal com clientes.

Exemplo:

99.9% de disponibilidade

Se não for cumprido, pode gerar penalidades.

Monitorando Aplicações com IA

Aplicações com IA exigem métricas adicionais.

Além de CPU e memória, precisamos monitorar:

• Tokens consumidos;
• Custos;
• Latência dos LLMs;
• Taxa de handoff para humanos;
• Precisão das respostas.

Métricas de IA

Exemplos:

Perguntas por dia

Tokens consumidos

Custo diário

Latência média

Taxa de resolução

Exemplo de Observabilidade para IA

Pergunta
↓
Intent Classifier
↓
Busca Vetorial
↓
RAG
↓
LLM
↓
Resposta

Precisamos saber:

Qual etapa ficou lenta?

Quanto custou?

Qual modelo respondeu?

Quantos tokens foram utilizados?

Alertas

Monitorar não é suficiente.

Precisamos ser avisados quando algo sai do normal.

Exemplos:

CPU acima de 90%

Erro acima de 5%

Banco indisponível

Latência acima do SLO

Dashboards

Dashboards consolidam informações importantes.

Normalmente exibem:

Disponibilidade

Latência

Erros

Uso de recursos

Custos

Um bom dashboard permite identificar problemas rapidamente.

Operação em Produção

Produção é um ambiente vivo.

Sistemas mudam constantemente.

Por isso precisamos:

• Monitorar;
• Investigar;
• Corrigir;
• Evoluir.

Operação não é uma atividade separada da engenharia.

Ela faz parte da engenharia.

O Que Monitorar na Lumina Store?

Nossa aplicação possui:

Frontend

Backend

PostgreSQL

pgvector

Gateway de Pagamento

LLM

RAG

Cloud

Logo precisamos monitorar:

Pedidos

Pagamentos

Conversas

IA

Banco

Infraestrutura

Exemplo de Dashboard da Lumina Store

Pedidos por Hora

Taxa de Conversão

Pagamentos Falhados

Latência da API

Latência do LLM

Custos da IA

Disponibilidade

Boas Práticas de Operação

Automatize Alertas

Não espere usuários reclamarem.

Monitore Custos

Principalmente em aplicações com IA.

Registre Eventos Importantes

Logs são sua memória operacional.

Crie Dashboards Simples

Complexidade excessiva dificulta investigações.

Defina SLOs

O que não é medido não pode ser melhorado.

Ferramentas Populares

Observabilidade moderna normalmente utiliza:

Logs

• ELK Stack
• OpenSearch
• Loki

Métricas

• Prometheus
• Grafana

Tracing

• OpenTelemetry
• Jaeger
• Tempo

Cloud

• CloudWatch
• Azure Monitor
• Google Cloud Monitoring

O Ciclo da Operação

Todo sistema saudável segue um ciclo contínuo:

Monitorar
↓
Detectar
↓
Investigar
↓
Corrigir
↓
Aprender
↓
Melhorar

Esse ciclo nunca termina.

Conclusão

Observabilidade é uma das disciplinas mais importantes da engenharia moderna.

Ao longo deste artigo vimos:

• O que é observabilidade;
• Logs;
• Métricas;
• Tracing;
• SLI;
• SLO;
• SLA;
• Observabilidade para IA;
• Dashboards;
• Operação em produção.

A principal lição é simples:

"

Sistemas não falham porque possuem bugs. Sistemas falham porque não conseguimos enxergar o que está acontecendo.

Construir software é importante.

Operar software em produção é o que transforma uma aplicação em um produto confiável.