Neste artigo vamos falar um pouco sobre a atuação do HealthCheck e Modelos Preditivos e tentar entender qual é o benefício que eles trazem para nossa aplicação.
HealthCheck
O HealthCheck é um middleware que permite o monitoramento e traz uma visão mais clara do funcionamento das aplicações e de todos os componentes que fazem parte delas.
Um middleware é um tipo interceptador, conector, e através dele é onde passam todas ou quase todas as informações que passam por um software.
O funcionamento do HealthCheck é bem simples: através de uma URL do tipo HTTP, conseguimos saber a “saúde” da aplicação e ele, por sua vez, retorna o status da aplicação, 200 se tudo estiver ok com uma mensagem de (Healthy) ou outro status como 500 se houver algum tipo de problema (Unhealthy).
Através de bibliotecas é possível saber o status de outros serviços como: logging, banco de dados, mensageria etc.
Seu uso é aconselhado quando é necessário ter uma visão mais clara do funcionamento da aplicação e seus componentes, pois ele permite identificar um problema antes que vire uma catástrofe.
Exemplo da implementação em ASP.NET 5
(fonte: https://balta.io/blog/aspnet-health-check)
(fonte: https://balta.io/blog/aspnet-health-check)
(fonte: https://balta.io/blog/aspnet-health-check)
Com o HealthCheck também é possível ter uma visão mais elaborada das informações. Ele disponibilizada uma UI (tela) onde é possível ver as informações de uma forma mais detalhada e sendo possível customizá-la (trocar as cores, imagens e etc).
(fonte: https://balta.io/blog/aspnet-health-check)
Modelos Preditivos
Um Modelo Preditivo é uma fórmula matemática aplicada sobre uma quantidade de dados. Ele costuma ser baseado em algoritmos, técnicas de Machine Learning e IA.
Através dele é possível identificar diferentes tipos de padrões e prever determinados cenários com antecedência. Quando um padrão é identificado, podemos aplicar para diversas situações como: fraudes, gestão de riscos, custos etc.
Podemos, também, utilizar um modelo preditivo para identificar antecipadamente uma possível catástrofe. Quando o problema é identificado, é possível emitir alertas (Grafana, Datadog) ou até mesmo ativar algum tipo de mecanismo que barre a ação.
As vantagens de se utilizar um modelo preditivo é que ele pode ser aplicado para diversos casos e é extremamente aconselhado para a gestão de prevenção de riscos.
Um Modelo Preditivo pode ser criado através de coleta de dados e aplicando técnicas de machine learning e IA. As principais ferramentas para desenvolver um modelo preditivo são: Power BI, Adobe Analytics, Tableau, IBM Cognos Analytics.
Podemos concluir que ambas as ferramentas/tecnologias tem o propósito de nos ajudar a prever problemas e catástrofes maiores, contribuindo para um bom funcionamento da aplicação e de todo o ecossistema.
