Na Cielo, colocamos a experiência do cliente acima de tudo — a disponibilidade e o desempenho do nosso serviço são prioridades absolutas. Para isso, é essencial cultivar uma forte cultura de observabilidade em nossas equipes e sistemas.
Por isso, investimos bastante na confiabilidade da nossa aplicação. Ainda assim, falhas imprevisíveis são inevitáveis — e, quando acontecem, são as pessoas que as resolvem.
Operamos um sistema sociotécnico, e a capacidade desse sistema de se recuperar diante de adversidades é chamada de resiliência. Um dos componentes centrais da resiliência é a observabilidade: as práticas que adotamos para permitir que as pessoas “enxerguem” o que acontece dentro dos sistemas que operam.
Neste texto, vamos compartilhar o caminho que percorremos para construir uma cultura de observabilidade mais forte e as lições aprendidas ao longo dessa jornada.
O que queremos dizer com observabilidade?
Na Interlock, entregamos para aprender. O ambiente de produção é onde código, infraestrutura, dependências de terceiros e clientes se encontram para criar uma realidade concreta — é o único lugar onde conseguimos aprender de verdade e validar o impacto do nosso trabalho. Definimos observabilidade como um processo contínuo em que pessoas fazem perguntas sobre a produção e obtêm respostas*.
Vamos detalhar um pouco mais:
Processo contínuo: uma boa observabilidade exige que as pessoas observem os sistemas com a maior frequência possível.
Perguntas sobre produção: quisemos uma definição ampla e flexível, que represente a diversidade de fluxos de trabalho que atendemos.
Respostas*: atenção ao asterisco. Nenhuma ferramenta entrega respostas prontas — elas apenas oferecem pistas. Encontrar a resposta real depende dos seus modelos mentais e do entendimento que você tem dos sistemas que opera.
Etapa 1: O problema e a solução
Com essa definição de observabilidade em mãos, avaliamos nossas práticas existentes e formulamos um diagnóstico claro. Até recentemente, nossas ferramentas de observabilidade eram baseadas principalmente em métricas. O fluxo típico envolvia analisar dashboards cheios de gráficos, com métricas segmentadas por diferentes combinações de atributos. As pessoas buscavam correlações, mas muitas vezes saíam sem insights realmente conclusivos.
“Métricas são fáceis de adicionar e de entender, mas não lidam bem com atributos de alta cardinalidade (como ID do cliente), o que dificulta a conclusão de uma investigação.”
Esse foi o ponto de partida para repensarmos nossa abordagem e evoluirmos rumo a uma observabilidade mais eficaz, centrada em aprendizado real, contexto e tomada de decisão humana.