Метрики и наблюдаемость: Prometheus + Grafana для backend-инженера

После курса про quality pipeline студент уже умеет проверять проект до merge: запускать make qa, тесты, static analysis, build, healthchecks и архитектурные ограничения. Но зеленый pipeline не отвечает на вопрос, как система ведет себя под реальной нагрузкой. Endpoint может проходить тесты и при этом отвечать медленно. Очередь может копить backlog. Octane worker может постепенно расходовать память. Пользователи могут страдать от p95 latency, пока среднее значение выглядит спокойно. Этот курс переводит студента от ощущений к данным. На базе существующего Laravel/Filament проекта студент добавляет Prometheus и Grafana, собирает /metrics, инструментирует HTTP routes, очередь и runtime signals, строит dashboard, формулирует SLI/SLO и учится связывать графики с действиями. Метрики здесь не являются украшением. Каждый signal должен отвечать на рабочий вопрос: насколько быстро, сколько ошибок, где очередь, что с worker, когда нужно реагировать. Главный результат курса - новая инженерная привычка. Архитектурное решение больше нельзя защищать фразой "кажется, стало быстрее". Нужно показать baseline, метрику, график, причинную цепочку, tradeoff и остаточный риск.