監視

このカテゴリが扱う範囲

顧客から説明される前に、何かが壊れたことを知ることです。稼働チェック、エラー追跡、メトリクス、ログ、トレース、そして誰かを起こすアラートが含まれます。

製品は、URLに接続する1つのチェックから、インフラが出すあらゆるものを取り込むプラットフォームまで幅があります。その差は、主にデータ量と価格にあります。

顧客の行動の分析はアナリティクスに属します。アプリケーションが動く場所はホスティングとクラウドです。

外側から始める

最初の購入として最も役立つのは、最も単純なものです。複数の場所からサイトを読み込み、止まったら知らせてくれるチェックです。

外部からのチェックは、内部のダッシュボードが見逃す障害を捉えます。期限切れの証明書、壊れたレコード、誰も告知しなかったファイアウォールの変更などです。安価で、多くの小規模チームにとっては、重要なことの大半をカバーします。

エラー追跡が2番目です。どの例外が実際のユーザーに届いているか、どれくらいの頻度か、どのリリース以降かがわかれば、曖昧な報告が修正につながります。製品を分けるのはグルーピングの質で、似通ったアラートを4000件出すツールは、ノイズを生んでいるだけです。

4種類のデータ

• 稼働チェック: 外部から、顧客が実際に使う経路に対して行います。
• エラー: グループ化され、リリースとユーザーの文脈が付きます。
• メトリクス: 数値で、保持が安く、傾向としきい値のために使います。
• ログ: 詳細で高価で、何が起きたかを再構築するために使います。
• トレース: サービスをまたぐリクエストを示し、時間がどこで失われるかを探します。

多くのチームは、最初の2つをすぐに、メトリクスをその少し後に、残りは推測ではもはや通用しないほどシステムが複雑になったときに必要とします。

保持期間は、静かな制約です。今日を先月の同じ日と比べるには1か月分のデータが必要で、入門プランは1週間しか保持しないことがよくあります。

アラートは設計の問題

誰も対処しないアラートは、全員に次のアラートを無視するよう習慣づけ、その習慣が障害を長引かせます。

内部のあらゆるしきい値ではなく、ユーザーが体験することでアラートを出してください。ページの読み込みが遅いことは重要です。プロセッサの使用率が80パーセントになっていること自体は、通常は重要ではありません。

すべてのアラートには、3つのものが必要です。担当者、文書化された対応、担当者が眠っているときにも届く経路です。この条件を満たさないものは、通知ではなくダッシュボードの項目にすべきです。

そのうえで、定期的に見直してください。アラートは積み重なり、条件は変わり、四半期ごとの整理は、最も安価にできる信頼性向上の作業です。

費用と、請求が予告なく膨らむ理由

料金は、ホスト、ユーザー、取り込む量、イベントのいずれかで決まり、驚きが潜むのは量による課金モデルです。

詳細なログを出すサービスが1つあるだけで、トラフィックが変わらなくても請求額は何倍にもなりえます。サンプリング、発生源でのフィルタリング、詳細データの保持期間の短縮が、よくある対策です。必要になる前に、製品が何を提供しているかを尋ねてください。

カスタムメトリクスは、具体的に問う価値があります。一意の系列ごとに課金されることが多く、選び方を誤ったラベルが数千の系列を生みうるからです。アラートではなく利用上限の設定を求め、残りのパターンについては料金ページが隠していることを見てください。

自前で運用する

オープンな実装は高機能で、ライセンスは無料です。運用のコストは本物です。ストレージ、保持、アップグレード、そして監視システムそのもののオンコール担当です。

最後の点が、比較検討すべきところです。自前で運用する基盤は、監視していた対象と同じ障害の中で壊れがちで、それはまさに最も必要なときです。

身動きが取れなくならずに小さく始める

最初の監視の構成は、退屈で、午後のうちに終わるものにしてください。

重要な経路に対する2つの外部チェック、アプリケーションに組み込んだエラー追跡、そして人に届く1つのアラート経路です。これで、小さな製品が最初の1年に経験する障害の大半をカバーできます。

何かが壊れたかどうかではなく、なぜ遅かったのかを問い始めたら、メトリクスを加えてください。ログを見ても答えが明らかでなくなるほど、システムの可動部が増えたら、トレースを加えます。

早めにしておく価値がある判断は、データをどこで、どの形式で収集するかです。オープンな標準に沿って書かれた計装は、後で別のバックエンドに向けられますが、特定のベンダーのライブラリに合わせて書かれた計装は、変更しないほうがいいという論拠になってしまいます。

各アラートが何を意味し、誰が対応するかを、書面で残してください。そのページは、午前3時には、どんなダッシュボードよりも価値があります。