Itens apresentados:

1. Introdução à Observabilidade

O que é Observabilidade?
Capacidade de inferir o estado interno de um sistema complexo com base em sua saída externa (logs, métricas, traces).
Por que é essencial hoje?
Em ambientes distribuídos, com microsserviços, containers e nuvem, a visibilidade é crucial para detectar falhas rapidamente, reduzir o tempo de resolução (MTTR) e garantir a confiabilidade.
Evolução
De monitoramento passivo (apenas métricas de sistema) para observabilidade ativa (entendimento profundo da aplicação).

2. Três Pilares da Observabilidade: Logs, Métricas e Traces

Logs
Registros estruturados e cronológicos de eventos, úteis para auditoria e troubleshooting.
Métricas
Valores numéricos agregados ao longo do tempo (ex: requisições por segundo, tempo de resposta).
Traces
Rastreiam o caminho de uma requisição ao longo dos serviços, útil para encontrar gargalos e entender o fluxo distribuído.

“Os três pilares juntos respondem: O que aconteceu? Quando? Onde? E por quê?”

3. Desafios Comuns em Ambientes Distribuídos e Microsserviços

Complexidade aumentada: múltiplos serviços, múltiplos times
Dificuldade de rastrear falhas ponta a ponta
Logs fragmentados e métricas isoladas
Alta cardinalidade de labels/tags
Corrupção de contexto entre chamadas assíncronas
Ferramentas desconectadas que não se comunicam bem

4. Por que Quarkus?

Startup time rápido
Ideal para escalabilidade instantânea e testes rápidos com menos overhead.
Baixo uso de memória
Excelente para ambientes serverless e containers com poucos recursos.
Suporte nativo a Micrometer e OpenTelemetry
Coleta e exporta métricas e traces sem necessidade de instrumentação pesada.
Configuração simplificada
application.properties centraliza e simplifica ajustes.
Extensões para observabilidade
Prometheus, Jaeger, Zipkin, Datadog — basta adicionar a dependência.
Exposição automática de métricas
/q/metrics com MicroProfile Metrics.
Spans automáticos + propagação de contexto
Observabilidade real sem esforço adicional.
Ferramentas de produtividade
Hot reload, Dev UI, testes em tempo real: ciclo de feedback ágil.

5. Por que Datadog para Observabilidade?

Plataforma unificada
Centraliza logs, métricas, traces, dashboards e alertas em um único lugar.
Auto discovery de serviços e dependências
APM detecta automaticamente os serviços e suas interações.
Mapas de serviço e análise de dependência
Visualização clara da arquitetura distribuída.
Correlação em um clique
Clique no trace → veja logs + métricas daquele exato momento.
Agentes leves e SDKs prontos
Fácil integração em qualquer stack, incluindo Java/Quarkus.
Integração nativa com nuvem e containers
AWS, GCP, Azure, Kubernetes, Docker → plug and play.
Dashboards customizáveis
Cada squad visualiza apenas o que importa para si.
Análise de performance
Endpoints mais lentos, gargalos, filas → fácil de identificar.
SLOs e Error Budgets embutidos
Suporte nativo a práticas de SRE.
Detecção de anomalias com IA
Machine Learning detecta desvios sem precisar de regras manuais.

6. Integração Quarkus + Datadog

Micrometer → Datadog
Exportação simples de métricas com dependência e configuração mínima.
Uso de labels e tags
Serviços, versões, ambientes → observabilidade granular.
MDC e contexto distribuído nos logs
Trace ID, User ID, span → logs ricos e rastreáveis.
Logs estruturados (JSON)
Envio via Datadog Agent com parsing automático.
Traces automáticos com OpenTelemetry
Sem necessidade de código adicional para rastrear requisições.
Observabilidade ponta a ponta
Visibilidade completa da aplicação ao infra, com baixo esforço de instrumentação.

7. Boas Práticas e Casos de Uso

Definição de SLOs reais
Baseados em dados concretos de latência e disponibilidade.
Alertas inteligentes
Métricas do Quarkus → thresholds dinâmicos → menor ruído.
Dashboards por squad ou contexto
Ex: latência de endpoints mantidos por determinada equipe.
Logs orientados a contexto
Inclua trace ID, span ID, user ID → logs com valor real.
Análise de regressão no CI/CD
Compare performance por commit/deploy com o Datadog.
Debug em produção sem dor
Trace detalhado + logs correlacionados = resolução rápida.

8. Conclusão

Ganhos claros:
- Menor MTTR
- Melhor performance
- Facilidade de debugging
- Transparência entre squads
Quarkus + Datadog = match perfeito para DevOps e SRE
- Produtividade de um lado
- Inteligência operacional do outro
Observabilidade não é opcional
- “Não dá pra gerenciar o que não se pode observar”

Prática:

Projetos utilizados:

Github:

luizpais/encurtator: Encurtador de Urls Simples ou de Campanhas

luizpais/campainer:CRUD de Campanhas

Checklist do pontos mais importantes:

Criar uma conta trial no site do Datadog.

Configurar a geração de logs no padrão json, incluindo a dependência no arquivo pom.xml:

         <dependency>
             <groupId>io.quarkus</groupId>
             <artifactId>quarkus-logging-json</artifactId>
         </dependency>

Configurar o padrão de escrita e rotação do log no arquivo application.properties

 quarkus.log.file.enable=true
 quarkus.log.file.path=encurtator.log
 quarkus.log.file.format=%d{yyyy-MM-dd HH:mm:ss} %-5p [%c] (%t) %s%e%n
 quarkus.log.file.rotation.max-file-size=10M
 quarkus.log.file.rotation.max-backup-index=5
 quarkus.log.level=INFO

Subir as aplicações com as variáveis de ambiente DD_ENV, DD_VERSION, DD_SERVICE, DD_LOGS_INJECTION: true.
1. encurtador:
  1. DD_ENV=dev, DD_VERSION=1.0.0, DD_SERVICE=encurtador, DD_LOGS_INJECTION= true.
2. campainer:
  1. DD_ENV=dev, DD_VERSION=0.1.0, DD_SERVICE=campainer, DD_LOGS_INJECTION= true.
Baixar o arquivo jar de trace java: https://github.com/DataDog/dd-trace-java/releases/download/v1.52.0/dd-java-agent.jar
1. Subir seu serviço java assim:
  java -javaagent=/path/dd-java-agent.jar -jar “application.jar” onde path deve ser o caminho do jar do agente.

Quarkus and Datadog. Observabilidade Máxima!

Table of contents