6.0 Introdução à Parte 6: Métricas de fiabilidade, operações, e segurança

A Parte 2 cobriu como uma mudança vai de um commit até à produção; esta parte cobre o que acontece uma vez que está a correr lá, indefinidamente, sob condições reais que a equipa não consegue controlar completamente. As métricas de fiabilidade, operações, e segurança são onde as promessas da engenharia de software encontram a realidade sustentada: não “esta implementação teve sucesso” mas “este sistema continua a funcionar, noite após noite, sob carga, sob ataque, e sob a tensão de uma rotação de prevenção que tem de ser sustentável durante anos, não apenas até ao próximo incidente”.

Os quatro temas desta parte seguem um arco deliberado. Os indicadores e objetivos de nível de serviço (tema 6.1) estabelecem o vocabulário e a disciplina de definição de metas de que tudo o resto nesta parte depende. As métricas de incidentes (tema 6.2) medem o que acontece quando essa meta é falhada. As métricas de prevenção e capacidade (tema 6.3) medem o custo humano e de infraestrutura de manter a meta cumprida. As métricas de segurança e vulnerabilidade (tema 6.4) alargam a mesma disciplina de fiabilidade a um risco distinto mas intimamente relacionado: não “isto vai falhar por si próprio” mas “alguém vai fazê-lo falhar de propósito”. Os quatro temas partilham a disciplina central deste livro: nomeie a métrica, nomeie como é manipulada, e combine-a com a salvaguarda que apanha essa manipulação.

Para equipas grandes, as métricas desta parte são onde as promessas da engenharia se tornam contratuais e, em contextos governamentais, por vezes legais. As organizações empresariais escrevem acordos de nível de serviço contra as métricas que o tema 6.1 introduz, com penalizações financeiras reais por as falhar; as organizações governamentais operam infraestrutura pública crítica onde uma falha de fiabilidade ou segurança carrega consequências bem para além do balanço de uma única empresa. Esta parte trata esse peso a sério ao longo de todo o texto.

Temas nesta parte

6.1 Indicadores objetivos de nível de serviço e orçamentos de erro: O vocabulário e a disciplina de definição de metas que fundamenta toda a engenharia de fiabilidade de sítio, e como um orçamento de erro transforma a fiabilidade num recurso gastável e gerível em vez de um absoluto inatingível.
6.2 Métricas de incidentes: deteção, resposta, e recuperação: Medir quão depressa uma organização nota, responde a, e resolve uma falha, e a disciplina sem culpa que mantém essa medição honesta.
6.3 Métricas de prevenção, capacidade, e carga operacional: O custo humano e de infraestrutura de sustentar a fiabilidade, e porque um fardo insustentável de prevenção eventualmente aparece como um problema de fiabilidade em si mesmo.
6.4 Métricas de gestão de segurança e vulnerabilidade: Alargar a mesma abordagem disciplinada e combinada com salvaguardas ao risco de segurança, desde a descoberta de vulnerabilidades até à remediação.

Como estes temas se inter-relacionam

O tema 6.1 estabelece a fundação sobre a qual cada tema posterior nesta parte se constrói: sem um objetivo claro de nível de serviço, “quão mau foi este incidente” (tema 6.2) e “a nossa carga de prevenção é sustentável” (tema 6.3) não têm nenhum ponto de referência partilhado contra o qual medir. As métricas de incidentes do tema 6.2 são, num sentido real, o registo do gasto de orçamento de erro que o tema 6.1 introduz; o tema 6.3 mede a sustentabilidade do sistema humano responsável por manter esse gasto dentro do orçamento; e o tema 6.4 aplica o mesmo pensamento de meta-e-orçamento a uma postura de segurança que, deixada por medir, tende a receber atenção apenas reativamente, após um incidente, em vez de proativamente.

Esta parte liga-se diretamente de volta à Parte 2: a taxa de falha de mudanças e o tempo de recuperação de implementação falhada da DORA (ambos cobertos no tema 2.10) são, respetivamente, um indicador avançado para e uma instância das métricas de incidentes desta parte. Liga-se também em frente à Parte 8, onde a orientação de painel e maturidade de programa se baseia fortemente no modelo de orçamento de erro desta parte como um exemplo trabalhado de transformar uma meta abstrata (fiabilidade, segurança) num alvo concreto, rastreável, e não absoluto que uma equipa consegue realmente gerir dia a dia.