🌐 Aula 10 - Observabilidade e Monitoramento

1. Visão Geral Teórica 🧠

O estudo de Prometheus e Grafana é fundamental para sistemas de alta disponibilidade.

Quando lidamos com Observabilidade, a performance pode ser modelada através da Lei de Amdahl: $$ S_{latency}(s) = \frac{1}{(1 - p) + \frac{p}{s}} $$ Onde \(p\) é a porção paralelizável.

2. Arquitetura e Modelagem 📊

Abaixo, a representação de como Prometheus é adotado em escala industrial.

graph TD
    Client[Cliente API] -->|Requisita| GW[API Gateway]
    GW --> S1[Prometheus]
    GW --> S2[Grafana]
    S1 -.->|Consistência| DB1[(Banco Y)]
    S2 -.->|Mensageria| B[Broker Kafka]

2.1 Comparativo de Tecnologias

3. Prática: Hands-on em Tracing 💻

Vamos subir nosso ambiente local para explorar as particularidades tecnológicas de Observabilidade.

$ docker network create backend_net
$ docker run -d --name tracing_svc -p 8080:8080 my-backend-image
# Inicializando o servidor...
[OK] Service started on port 8080.

Analisando o Código fonte

def processar_requisicao(payload):
    # (1) Validar contrato da API
    if not isinstance(payload, dict):
        raise ValueError("Invalid format")  
    return {"status": "success", "data": payload}

1. A validação antecipada (fail-fast) evita perda de processamento em camadas mais profundas.

🔗 Materiais da Aula

➡️ Próxima Aula: Testes de Backend