<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/">
  <channel>
    <title>Observability on Wiliam Rosa | Lakehouse, Dados &amp; IA</title>
    <link>https://wiliamrosa.github.io/tags/observability/</link>
    <description>Recent content in Observability on Wiliam Rosa | Lakehouse, Dados &amp; IA</description>
    <image>
      <title>Wiliam Rosa | Lakehouse, Dados &amp; IA</title>
      <url>https://wiliamrosa.github.io/images/wiliam-rosa-blog-og.png</url>
      <link>https://wiliamrosa.github.io/images/wiliam-rosa-blog-og.png</link>
    </image>
    <generator>Hugo</generator>
    <language>pt-br</language>
    <lastBuildDate>Tue, 22 Sep 2026 09:00:00 -0300</lastBuildDate>
    <atom:link href="https://wiliamrosa.github.io/tags/observability/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>A tabela de histórico de consulta do Unity Catalog saiu do beta</title>
      <link>https://wiliamrosa.github.io/posts/query-history-system-table-ga/</link>
      <pubDate>Tue, 22 Sep 2026 09:00:00 -0300</pubDate>
      <guid>https://wiliamrosa.github.io/posts/query-history-system-table-ga/</guid>
      <description>O system.query.history chegou à disponibilidade geral: uma system table única, em nível de conta, com todo o histórico de consulta rodado em SQL warehouse ou compute serverless, incluindo status de execução, duração e origem da consulta.</description>
    </item>
    <item>
      <title>RADAR: como a Databricks detecta falha parcial antes que o cliente reclame</title>
      <link>https://wiliamrosa.github.io/posts/radar-deteccao-falhas-cinzas-databricks/</link>
      <pubDate>Sun, 20 Sep 2026 09:00:00 -0300</pubDate>
      <guid>https://wiliamrosa.github.io/posts/radar-deteccao-falhas-cinzas-databricks/</guid>
      <description>A Databricks publicou o RADAR, um sistema interno de quatro estágios pra achar &amp;lsquo;falha cinza&amp;rsquo;, apagão parcial que passa batido pelo dashboard verde, usando um modelo de detecção de anomalia não supervisionado e um dashboard Genie pra investigar a causa raiz; internamente reduziu o tempo de descoberta de incidente em 95%.</description>
    </item>
  </channel>
</rss>
