[имя] спрашивает, через что мониторили, какие метрики и логи собирали, и как расследовали бы падение пайплайна?

Начните с реальных инструментов мониторинга и сигналов пайплайна: успешность, длительность, отставание, объём обработанных данных и ошибки. Для инцидента найдите первый упавший этап и его зависимости.

Сопоставьте время сбоя с изменениями кода, схемы, входных данных и ресурсов. Логи связывайте по run/task ID без чувствительного содержимого. Проверьте возможность безопасного повтора и частичные записи до рестарта. Если вопрос о вашем проекте, не заменяйте фактический набор инструментов модным стеком.