После деплоя бизнес-критичного релиза для системы со 100 тысячами одновременных пользователей что вы будете делать в первые 10 минут? Какие метрики будете смотреть, включая Kafka?

В первые минуты проверяют бизнес-сценарии и SLO: ошибки, p95/p99 latency, throughput, ресурсы, БД и очереди. Для Kafka важны lag, его возраст, ошибки обработки и скорость накопления.

Сравните с baseline при сопоставимой нагрузке и заранее определите критерии rollback. Проверьте долю успешных критичных операций, дубли, зависшие процессы, connection pools и рестарты экземпляров. У Kafka смотрят проблемные partition, rebalance и доступность брокеров, а не только общий lag. Само число онлайн-пользователей не задаёт нагрузку; важны реальные запросы и события. При ухудшении сначала сдерживают ущерб, затем расследуют причину.