Как следили за тем, что сервисы работают корректно?

Корректность сервиса проверяют не одной метрикой доступности, а сочетанием ошибок, задержек, бизнес-инвариантов, логов, трассировок и проверок пользовательского пути.

Расскажите, какие сигналы считались нормой, когда срабатывал алерт и кто на него реагировал. Для обработки очередей важны лаг и возраст задачи, для платежей — согласованность состояний, для API — ошибки и latency. Используйте независимые проверки и проверяйте сами алерты. Пример обнаруженного дефекта покажет полезность мониторинга лучше списка инструментов.