Como operar produção sem armazenar logs, com K3s e Prometheus

O autor opera uma plataforma com mais de 15 microservices em K3s, rodando em VPS espalhadas por locais diferentes e ligadas por uma rede privada WireGuard. Novos nós entram no cluster via Ansible, a partir de uma VPS limpa, em minutos. O ponto fora da curva é uma restrição de projeto: não existe coleta, encaminhamento nem arquivo centralizado de logs de aplicação. A observabilidade não pode virar meio de coletar informação sobre usuários.

Na prática, os nós enviam só métricas com rótulos técnicos (carga, latência, profundidade de fila, taxa de erro). A regra vale na ingestão: cada scrape job de aplicação tem uma lista curta de nomes de rótulo permitidos, e o que sair dela é removido antes de entrar no armazenamento. O __name__ precisa estar na lista, porque nessa etapa de relabeling o nome da métrica também é um rótulo. Há limites: o relabeling acontece depois do scrape, então o Prometheus ainda recebe o dado indevido, e a allowlist não valida valores. Por isso o code review exige que o rótulo de rota seja um template (como /users/:id) e não o caminho cru. Os alertas saem das mesmas séries, por sintomas visíveis ao usuário.

Para depurar, o autor sobe o LOG_LEVEL de um deployment, reproduz o problema, acompanha com kubectl logs -f e reverte. A saída dos containers continua capturada localmente pelo runtime, sujeita à rotação do nó, e o journald usa armazenamento volátil. Ou seja, há linhas de log, só não há sistema central que as retenha. Os custos admitidos: é preciso antecipar as perguntas, o verbose deve ser temporário, e o modelo não atende quem precisa de trilha de auditoria imutável.

Para quem opera plataforma, o texto funciona como exercício de projeto, não como receita universal. Se a pressão do seu time é minimização de dados ou custo de armazenar e indexar logs, vale avaliar quanto do troubleshooting já cabe em métricas bem desenhadas. Se há auditoria formal, a leitura é outra: o próprio autor diz que aí se constrói um pipeline de auditoria separado. O ponto mais prático é a disciplina: allowlist de rótulos na ingestão e revisão de cardinalidade e de rotas no code review.