Alertas que se leen: qué avisar y qué ignorar

Cuatro elementos

1. Qué: el servicio y el síntoma concreto.
2. Desde cuándo, para distinguir un parpadeo de algo sostenido.
3. El dato que permite decidir: el código de respuesta, el porcentaje, el mensaje.
4. Qué mirar primero, aunque sea un enlace al procedimiento. En un servidor con varias aplicaciones, la memoria del que responde no siempre está disponible a las tres de la mañana.

Cinco ajustes que casi siempre alcanzan

1. Umbral con duración. No “responde lento” sino “responde lento sostenido durante cinco minutos”. Elimina los parpadeos.
2. Agrupar. Si se cae el servidor, una alerta —no una por cada servicio que dejó de responder—.
3. Silencio programado durante los despliegues previstos, para que el recreado no despierte a nadie.
4. Aviso de recuperación. Saber que se resolvió solo evita entrar a investigar algo que ya pasó.
5. Revisar las que se ignoran. Si una alerta se viene ignorando hace un mes, o se ajusta o se borra. Dejarla es peor que las dos opciones.

Las que sí

1. Cada sitio público no responde durante más de unos minutos.
2. Disco por encima de un umbral con margen, que es la falla que más seguido tira todo abajo.
3. Un respaldo que no se ejecutó en el plazo esperado.
4. Certificado próximo a vencer, medido sobre lo que se sirve.
5. Un contenedor que no vuelve después de un despliegue.