Reduserte driftsrisikoen ved å innføre et overvåkingsdashbord med Grafana og Prometheus, og forbedret systemets pålitelighet.

Situasjon. Problemer ble som regel oppdaget først etter at de allerede hadde rammet brukerne, fordi det ikke fantes noen samlet oversikt over hvordan systemene hadde det. Uten den synligheten var teamet hele tiden på hælene — det reagerte på ting som allerede hadde gått galt, i stedet for å se dem komme.

Oppgave. Målet var å redusere driftsrisikoen ved å gi teamet sanntidsinnsyn i systemene det var avhengig av.

Handling. Observerbarhetslaget ble bygget ut. Et overvåkingsdashbord i Grafana og Prometheus, instrumentering av de sentrale tjenestene og — det som faktisk betyr noe — metrikker med reell mening i stedet for pyntetall som ser imponerende ut og ikke forteller deg noe som helst. Deretter ble varslingsterskler satt for disse, synlige der teamet faktisk ville se dem og kunne handle mens det ennå var tid til å handle.

Resultat. Problemer begynte å bli fanget opp og håndtert før de eskalerte, og systemenes pålitelighet ble bedre som følge av det. Teamet gikk fra reaktiv brannslukking til noe roligere og mer proaktivt — det fanget opp problemer mens de fortsatt var små nok til å være kjedelige.