Monitoring i status

Casi toda página de estado con la que te topas muestra números bonitos. 100 por ciento de uptime, todo en verde, ni un rasguño. El problema es que esos números la mayoría de las veces no significan "todo funcionó", sino "nadie estaba mirando". La falta de datos se cuenta como un éxito, y el cliente recibe una imagen bonita sin respaldo en la realidad.

Construimos un monitoreo que hace algo más difícil que un gráfico bonito: dice la verdad, incluso cuando la verdad es incómoda. Cuando no sabemos cómo se comportó un servicio, el resultado debe ser "no lo sé", y no "todo bien". A esto se suman una página de estado pública con un historial honesto y una gestión de incidentes llevada donde el equipo ya está. Este caso de estudio trata de cómo calcular la disponibilidad sin engañarse a uno mismo.

El mecanismo de la mentira típica de una página de estado es banal. Si en un periodo dado la sonda no recogió ninguna muestra y aun así cuentas ese periodo como sano, tu uptime siempre se verá estupendo. Cuanto menos a menudo miras, mejor sales, lo cual es absurdo: una herramienta para vigilar la disponibilidad te premia por no vigilar.

El efecto es cómodo y falso. Un gráfico verde tranquiliza al equipo y al cliente, aunque debajo pudo haber una hora de la que nadie sabe nada. Nosotros queríamos exactamente la actitud contraria: "no lo sé" debe significar "no lo sé", y no ser redondeado en silencio hacia "todo funciona".

Toda la honestidad de este monitoreo nace de una única decisión: una muestra tiene tres estados posibles y no dos. No solo "up" y "down", sino también "unknown" para el tiempo en el que simplemente no hubo observación. Esa distinción es el corazón de todo lo demás.

En la disponibilidad entran únicamente las muestras realmente recogidas, es decir, las "up" y "down". Los estados "unknown" se dejan a un lado, porque no se deben fingir ni en un sentido ni en el otro. Si en un periodo no hubo ninguna observación, el resultado no es 100 por ciento ni es cero. El resultado está vacío, y así exactamente lo muestra la página de estado.

Una trampa aparte son las paradas planificadas. Es tentador contar una ventana de mantenimiento como tiempo sano, porque al fin y al cabo "fue una pausa planificada, no una avería". Solo que entonces el gráfico vuelve a mentir, solo que más sutilmente: finge que el servicio estaba funcionando cuando estaba deliberadamente ausente.

Fuimos por un término medio que es honesto en ambos sentidos. Las ventanas de mantenimiento se marcan aparte y no cuentan como tiempo de inactividad, porque no es una avería. Pero tampoco fingen que en ese tiempo todo estaba funcionando. En el gráfico se ve una interrupción marcada como mantenimiento, y no un fondo verde artificial. Es el mismo principio que gobierna todo el proyecto: no redondeamos a nuestro favor.

Un monitoreo que solo cuenta es la mitad del trabajo. La otra mitad empieza en el momento en que algo cae de verdad. Aquí se comete el error clásico: la gestión del incidente se empuja a una herramienta aparte en la que nadie quiere iniciar sesión en medio del incendio. Nosotros fuimos donde el equipo ya está, es decir, a Discord.

El flujo es corto y no exige ningún cambio de contexto. Un cambio de estado de un servicio dispara una notificación. Un incidente se abre y se actualiza directamente desde el canal, sin iniciar sesión en otro panel. La página de estado pública muestra a los clientes el desarrollo y el cierre, con claridad y sin embellecer, tan honestamente como los números de uptime.

El número en la página significa exactamente lo que dice. Cuando pone 99.5 por ciento, son 99.5 por ciento de observaciones reales, y no un artefacto de que la sonda durmió medio día. El cliente mira la página de estado y ve un historial honesto: disponibilidad, tiempos de inactividad y ventanas de mantenimiento separados, y no un verde eterno que no significa nada.

Cuando algo cae, el equipo lleva el incidente desde el lugar en el que ya está, sin iniciar sesión en otra herramienta en el peor momento posible. Todo se atiene a un principio que parece modesto y es raro: un monitoreo en el que se puede confiar, porque admite lo que no sabe en lugar de pintar de verde los huecos.