SLI e SLO com o negócio
Indicador definido a partir do que o usuário sente, e objetivo acordado com quem responde pelo resultado. Sem isso, alerta é opinião.
Serviço
SRE e Observabilidade
Confiabilidade que se mede, não que se promete. SLI e SLO definidos com o negócio, instrumentação em OpenTelemetry e error budget que orienta decisão de release.
Tzofeh, pronuncia-se tso-fé. a sentinela posta no alto. Existe para ver antes, e é cobrada se deixou de avisar.
Contexto
Por que isso importa
Disponibilidade sem número é conversa. A pergunta que importa não é se o sistema está no ar, é quanto de degradação o seu negócio tolera antes de perder dinheiro, e se você tem instrumentação para saber quando cruzou essa linha.
Começamos pelo que o usuário sente, não pelo que o servidor reporta. CPU alta não é problema se o cliente está sendo atendido, e CPU baixa não é conforto se a fila cresceu. SLI se define pela experiência, e o SLO se acorda com quem responde pelo resultado.
Instrumentamos em OpenTelemetry por decisão deliberada: é padrão aberto, então o dado de telemetria não fica preso ao fornecedor de observabilidade que você usa hoje. Trocar de vendor passa a ser mudança de destino, não reinstrumentação do zero.
O que entra neste serviço
Escopo detalhado
Cada item abaixo é capacidade que entregamos, dimensionada ao porte e à maturidade da sua operação.
Error budget como ferramenta de decisão
Orçamento de erro que orienta quando acelerar release e quando parar para estabilizar. Transforma discussão de prioridade em número.
Instrumentação em OpenTelemetry
Padrão aberto para métrica, log e trace. Telemetria que não fica presa ao fornecedor, o que preserva a sua liberdade de trocar depois.
Tracing distribuído
Requisição rastreada ponta a ponta entre serviços, com o gargalo aparecendo no trace em vez de sair de suposição em reunião.
Alerta que aponta causa
Notificação com contexto, runbook e histórico anexados. Alerta que só diz que algo está ruim gera plantão cansado e nada mais.
Postmortem sem culpado
Análise que procura causa sistêmica, com ação corretiva rastreada até conclusão. Postmortem que não gera mudança é ritual.
Teste de recuperação e de carga
Backup que ninguém restaurou não é backup. RTO e RPO medidos em exercício, com evidência arquivada.
Capacity e degradação graciosa
Comportamento definido para quando a carga passa do previsto, em vez de descobrir o limite em produção num pico de venda.
Entregáveis
O que você recebe, em artefato
Consultoria que termina em apresentação não deixa nada. Todo item abaixo é artefato que fica com você, documentado e utilizável pelo seu time depois que a gente sai.
- Catálogo de SLI e SLO acordado e documentado por serviço
- Instrumentação em OpenTelemetry, com convenção de atributo definida
- Painel de error budget e de consumo por período
- Política de alerta revisada, com ruído removido
- Runbook por cenário, acessível direto do alerta
- Template e processo de postmortem, com ação rastreada
- Relatório de teste de recuperação, com RTO e RPO medidos
- Plano de capacidade com ponto de saturação identificado
Métricas
O que passamos a medir junto com você
Sem número acordado no início, qualquer resultado no fim vira questão de interpretação. Estas são as métricas que definimos no diagnóstico e acompanhamos na sustentação.
| Métrica | O que significa |
|---|---|
| SLO atingido por período | Percentual de conformidade com o objetivo acordado. |
| Consumo de error budget | Quanto do orçamento de erro foi gasto, e em qual velocidade. |
| Burn rate | Velocidade de consumo do orçamento. É o que dispara alerta de tendência antes de o SLO estourar. |
| Cobertura de instrumentação | Percentual de serviço com métrica, log e trace correlacionáveis. |
| MTTR e taxa de reincidência | Tempo de restauração e quantos incidentes são repetição de causa já conhecida. |
| Ação de postmortem concluída | Percentual de ação corretiva que virou mudança real. Baixo indica postmortem decorativo. |
Leitura visual
Consumo do error budget no trimestre
O error budget transforma disponibilidade em decisão. Enquanto a linha de consumo fica abaixo da de referência, cabe entregar novidade. Quando cruza, a prioridade vira confiabilidade, e isso deixa de ser discussão de opinião.
| Período | Consumo real | Ritmo de referência |
|---|---|---|
| S1 | 4% | 8% |
| S2 | 9% | 17% |
| S3 | 13% | 25% |
| S4 | 16% | 33% |
| S5 | 24% | 42% |
| S6 | 41% | 50% |
| S7 | 47% | 58% |
| S8 | 52% | 67% |
| S9 | 58% | 75% |
| S10 | 63% | 83% |
| S11 | 71% | 92% |
| S12 | 76% | 100% |
Limite de escopo
O que não fazemos neste serviço
Publicar o limite é mais útil que prometer tudo. Se o seu caso cai em algum item abaixo, é melhor você saber agora.
- Prometer cinco noves de disponibilidade. Esse número tem custo de arquitetura e de plantão que quase nenhuma operação quer pagar, e vender isso sem dizer o custo é desonesto.
- Instrumentação proprietária que amarra você ao fornecedor. Usamos OpenTelemetry justamente para você poder trocar de vendor depois.
- Dashboard bonito sem SLI definido. Gráfico sem objetivo acordado é decoração de sala de guerra.
- Assumir plantão 24x7 além da capacidade real da operação. Escala de plantão insustentável quebra pessoa e não entrega confiabilidade.
Origem do nome
Por que Tzofeh
Tzofeh (tso-fé): a sentinela posta no alto. Existe para ver antes, e é cobrada se deixou de avisar.
Ezequiel 33:6 é direto: se o tzofeh vê o perigo e não soa o alarme, a responsabilidade passa a ser dele. Observar sem alertar não conta como ter observado.
É por isso que aqui SLI e SLO são acordados antes do incidente. Sentinela sem alarme combinado só descobre o problema junto com todo mundo.
Aplicado na prática
Onde este serviço aparece nas automações
Todo serviço se materializa numa frente de automação. Escolha a área que dói.
Otzar · Financeiro e Tesouraria
Conciliação, fluxo de caixa, cobrança e aprovação de pagamento rodando sozinhos, com alçada respeitada e trilha de auditoria em cada lançamento.
Ver em detalheSachar · Folha de Pagamento
Cálculo, integração com ponto, provisão e conferência cruzada antes do fechamento. Erro de folha não é retrabalho, é passivo trabalhista.
Ver em detalheYeda · RH, Gente e Departamento Pessoal
Da triagem de candidato ao controle de documento vencido. Com um cuidado que quase ninguém tem: decisão sobre pessoa nunca é automática.
Ver em detalheDanin · Jurídico, Contratos e Compliance Legal
Leitura de contrato em lote, extração de cláusula de risco, controle de prazo e triagem de processo. A IA lê, o advogado decide.
Ver em detalheMezan · Contábil e Fiscal
Conciliação de nota, classificação, apuração e fechamento. Com a evidência de auditoria produzida no momento do lançamento.
Ver em detalheShomea · Atendimento e Relacionamento
Triagem, resposta e roteamento com IA que sabe a hora de chamar uma pessoa. Robô que insiste em atender o que não sabe destrói marca.
Ver em detalheDerech · Logística e Operações
Roteirização, rastreamento, estoque e compra. Operação que avisa antes de faltar, em vez de descobrir quando o cliente reclama.
Ver em detalheMagen · Compliance, LGPD e Segurança
Inventário de dado, atendimento a titular, revisão de acesso e evidência de auditoria gerada no momento do fato, não reconstruída depois.
Ver em detalheOutros serviços
As seis frentes se sustentam juntas. Automação sem segurança é risco, e segurança sem observabilidade é fé.
Inteligência Artificial Aplicada
IA que passa por gate antes de chegar em produção. Agente auditável, resposta rastreável até a fonte, e baseline determinístico como referência.
Ver o que fazemosAIOps e Operações Inteligentes
Menos alerta, mais sinal. Correlação, triagem e resposta automatizada para o plantão parar de apagar incêndio às cegas.
Ver o que fazemosIdentidade e Acesso: IAM, IGA e PAM
O eixo de nove anos de carreira do fundador. Quem tem acesso a quê, por que tem, desde quando, e quem aprovou. Com evidência.
Ver o que fazemosCibersegurança e Governança de Risco
Segurança decidida no desenho, não auditada no final. Nove anos em ambiente bancário sob regulação, dimensionados para a sua operação.
Ver o que fazemosInfraestrutura, Cloud e Arquitetura
Base que aguenta dez vezes o volume de hoje, com custo sob controle, infraestrutura versionada e recuperação testada de verdade.
Ver o que fazemosTimes Autônomos de Ponta a Ponta
Agente que entende a demanda, planeja, executa, documenta e se desbloqueia. A pessoa entra para validar a entrega e ajustar o agente, não para repetir a tarefa.
Ver o que fazemosComece pelo diagnóstico.
Gratuito, com score por eixo e plano priorizado por impacto.
Quero o diagnóstico