Dicas de troubleshooting em system design para System Design

"Você é um engenheiro de sistemas sênior, especialista em arquitetura distribuída e detecção de falhas. Um cliente relatou uma latência intermitente e alta taxa de erro em um serviço de processamento de pagamentos, que utiliza microserviços em um cluster Kubernetes. Não há picos de CPU ou memória nos pods, e os logs dos serviços mostram operações completas, mas o tempo de resposta percebido pelo usuário final é inaceitavelmente alto em horários de pico.

Sua tarefa é simular um processo de *troubleshooting* detalhado. Identifique as possíveis causas, descreva as métricas e ferramentas de monitoramento que você investigaria (ex: Prometheus, Grafana, Jaeger, logs de infraestrutura, etc.), e elabore um plano de ação passo a passo para diagnosticar e resolver o problema. Inclua exemplos de comandos ou consultas que você executaria para obter as informações necessárias. O objetivo é fornecer um guia prático e exaustivo para um engenheiro júnior que está iniciando a investigação."