SRE y observabilidad: operar lo que construimos

Qué incluye

• Monitoreo que se entiende

  Cada sistema con una calificación de A a F y una conclusión en una frase («Todo en orden», «2 funciones con errores»), no veinte gráficas sin contexto.

• Alarmas completas y revisadas

  Todas las alarmas, de todas las regiones, con su estado actual, sin listas recortadas. Se revisa qué alarma sobra, cuál falta y cuál no avisa a nadie.

• Objetivos de nivel de servicio (SLO)

  Qué significa «funciona» para cada sistema, medido, con un margen de error acordado para saber cuándo actuar y cuándo no.

• Respuesta a incidentes

  Quién atiende, cómo se avisa, qué se revisa primero. Guías de respuesta por sistema.

• Revisión posterior sin culpables

  Qué pasó, por qué, qué cambia para que no se repita; por escrito.

• Chequeos continuos de lo básico

  Que las alarmas tengan destinatario, que los registros se conserven el tiempo acordado, que los respaldos existan y se puedan restaurar.

Cómo trabajamos

1. 1

   Línea base

   Qué sistemas hay, qué alarmas existen, cuáles avisan a alguien, qué se cayó en los últimos meses y cómo se enteraron.

2. 2

   Definir «funciona»

   Un objetivo de servicio por sistema, en una frase que entienda la dirección, con la métrica detrás.

3. 3

   Alarmas y tablero

   Alarmas revisadas con destinatario real y el tablero de calidad conectado a tu cuenta de AWS.

4. 4

   Operación

   Atención según el nivel acordado, revisión mensual de calidad y de costos, revisiones posteriores a cada incidente.