Los 4 Golden Signals (o Las 4 Señales Doradas) son las métricas esenciales que todo equipo de DevOps y SRE (Site Reliability Engineering) debe monitorear para garantizar la salud de un servicio, especialmente durante un despliegue (deployment).
Formuladas originalmente en el libro de SRE de Google, estas métricas responden a la pregunta fundamental: ¿Nuestra aplicación está funcionando bien para los usuarios?
1. Latencia (Latency)
¿Qué es? El tiempo que tarda el sistema en procesar y responder una petición.
Impacto en despliegues: Si lanzas un nuevo cambio y la latencia sube, puede ser señal de una consulta lenta a la base de datos o un código ineficiente.
Tip: Separa la latencia de las respuestas exitosas de la latencia de los errores (un error HTTP 500 puede responder súper rápido, lo que falsea el promedio si se mezclan).
2. Tráfico (Traffic)
¿Qué es? La cantidad de demanda que está recibiendo tu sistema en un momento dado (ej. peticiones HTTP por segundo, transacciones procesadas o usuarios concurrentes).
Impacto en despliegues: Una caída drástica de tráfico justo después de un despliegue suele indicar que el balanceador de carga o el DNS fallaron y las peticiones no están llegando.
3. Errores (Errors)
¿Qué es? La tasa o porcentaje de peticiones que fallan.
Tipos de error:
Explícitos:
Respuestas HTTP 5xx o excepciones sin capturar. Implícitos: Una respuesta exitosa (HTTP 200) que devuelve contenido incorrecto o incompleto.
Impacto en despliegues: Es el indicador más directo para ejecutar un rollback (reversión) automático en despliegues progresivos (canary deployments).
4. Saturación (Saturation)
¿Qué es? Qué tan "lleno" o cerca del límite de su capacidad está el sistema (CPU, memoria RAM, I/O de disco, tamaño de colas).
Impacto en despliegues: Permite detectar fugas de memoria (memory leaks) o consumo excesivo de CPU que podrían hacer colapsar los servidores horas después de desplegar.
📌 ¿Por qué son clave en un Pipeline CI/CD?
Durante un despliegue (como un Canary o Blue-Green), estas 4 métricas funcionan como un filtro automático:
Monitoreo automatizado: El pipeline compara las métricas de la nueva versión contra la versión estable.
Rollback preventivo:
Si los errores suben o la latencia supera el umbral tolerable, el despliegue se cancela sin intervención humana. Decisiones basadas en datos: Evita validar un despliegue "a ojo" basándose únicamente en pruebas manuales.
