Alarmes, dashboards e notificações
Transformar métricas em ação: estados e avaliação de alarmes, alertas com SNS, alarmes compostos, ações de alarme e dashboards compartilhados.
Coletar telemetria não muda nada sozinho. Este tópico fecha a distância entre um número que passou do limite e uma pessoa acordada, ou melhor ainda, uma correção que aconteceu sem acordar ninguém. É onde a maior parte das falhas silenciosas de operação mora: alarmes que nunca disparam, alarmes que disparam demais, e notificações que somem entre o CloudWatch e o celular do plantão.
O que este tópico cobre
- Como um alarme de métrica decide mudar de estado: Period, Evaluation Periods, Datapoints to Alarm, a lógica M de N, a faixa de avaliação e os quatro tratamentos de dados faltantes
- Alarmes de metric math e de detecção de anomalias, alarmes de alta resolução e o diagnóstico de um alarme travado em INSUFFICIENT_DATA
- O Amazon SNS como camada de entrega: tópicos, assinaturas, fanout, a confirmação pendente que silencia o alerta, filter policies, tópicos standard contra FIFO, retries por protocolo, dead-letter queues e a permissão de KMS que derruba tópicos criptografados
- Alarmes compostos e a expressão de regra sobre estados de outros alarmes, mais a supressão de ações com WaitPeriod e ExtensionPeriod para janelas de manutenção
- Ações de alarme que consertam em vez de avisar: stop, terminate, reboot e recover no EC2, políticas de Auto Scaling, Lambda, OpsItems do Systems Manager e incidentes
- Dashboards automáticos e personalizados, escolha de widget, gráficos entre contas e Regiões, dashboards como JSON versionado e o que o compartilhamento realmente concede
Por que isso importa
O SOA-C03 cobra este tópico por cenário, quase nunca por definição. Um alarme ficou em ALARM por 40 minutos e chegou um e-mail só: por quê? Os alarmes pararam depois que o time ligou criptografia no tópico: onde está a permissão faltando? A instância falhou no system status check: reboot ou recover? Cada uma dessas respostas depende de uma fronteira precisa, não do nome do serviço.
No dia a dia o custo do erro é maior que na prova. Um alarme mal configurado é indistinguível de um sistema saudável até o momento em que você precisa dele.