Мониторинг

Что входит в эту категорию

Узнать, что что-то сломалось, раньше, чем вам об этом расскажет клиент: проверки доступности, отслеживание ошибок, метрики, журналы, трассировки и оповещения, которые кого-то будят.

Продукты бывают разные: от единственной проверки, которая обращается к URL, до платформ, принимающих всё, что излучает инфраструктура. Разрыв между ними в основном в объёме данных и цене.

Анализ поведения клиентов относится к аналитике. Где работает приложение, это хостинг и облако.

Начните снаружи

Самая полезная первая покупка и самая простая: проверка, которая загружает ваш сайт из нескольких мест и сообщает, когда он перестал работать.

Внешние проверки ловят сбои, которые пропускают внутренние дашборды, в том числе истёкшие сертификаты, сломанные записи и изменение межсетевого экрана, о котором никто не объявил. Они дёшевы, и для многих небольших команд покрывают большую часть важного.

Отслеживание ошибок идёт вторым. Знание того, какие исключения доходят до реальных пользователей, как часто и с какого релиза, превращает расплывчатое сообщение в исправление. Здесь продукты различаются качеством группировки: инструмент, выдающий четыре тысячи почти одинаковых оповещений, производит шум.

Четыре вида данных

• Проверки доступности снаружи, по путям, которыми пользуются клиенты.
• Ошибки, сгруппированные, с релизом и контекстом пользователя.
• Метрики, числовые и дешёвые в хранении, для трендов и порогов.
• Журналы, подробные и дорогие, для восстановления того, что произошло.
• Трассировки, показывающие запрос через сервисы, для поиска, куда уходит время.

Большинству команд нужны первые два сразу, метрики вскоре после них, а остальное, когда система достаточно сложна и гадать уже не получается.

Хранение это тихое ограничение. Чтобы сравнить сегодня с тем же днём прошлого месяца, нужен месяц данных, а начальные тарифы нередко хранят неделю.

Оповещения это задача проектирования

Оповещение, на которое никто не реагирует, приучает игнорировать следующее, и эта привычка удлиняет сбои.

Оповещайте о том, что видят пользователи, а не о каждом внутреннем пороге. Медленная загрузка страницы важна. Процессор на восьмидесяти процентах сам по себе обычно нет.

Каждому оповещению нужны три вещи: владелец, описанное действие и маршрут, который доходит до владельца, когда тот спит. Всё, что не проходит эту проверку, должно быть строкой в дашборде, а не уведомлением.

Затем пересматривайте регулярно. Оповещения накапливаются, условия меняются, а квартальная чистка самая дешёвая работа по надёжности из доступных.

Стоимость и почему счета растут без предупреждения

Цена зависит от хоста, пользователя, объёма принимаемых данных или событий, и сюрпризы живут в модели объёма.

Один сервис с подробным журналированием может умножить счёт при неизменном трафике. Обычные средства контроля: выборка, фильтрация у источника и более короткое хранение подробных данных, поэтому спросите, что предлагает продукт, до того как они понадобятся.

О пользовательских метриках нужно спросить отдельно: их часто тарифицируют по числу уникальных серий, а неудачно выбранная метка может породить тысячи. Просите жёсткий лимит расходов, а не оповещение, и посмотрите материал что скрывают страницы с ценами, где остальная картина.

Самостоятельная эксплуатация

Открытые реализации функциональны и бесплатны по лицензии. Эксплуатационная цена реальна: хранилище, сроки хранения, обновления и дежурный для самой системы мониторинга.

Именно последнее и надо взвесить. Самостоятельно развёрнутый стек имеет обыкновение падать в том же инциденте, за которым наблюдал, то есть именно тогда, когда нужен больше всего.

Начинайте с малого, не загоняя себя в угол

Первая настройка мониторинга должна быть скучной и готовой за вечер.

Две внешние проверки на важных путях, отслеживание ошибок, встроенное в приложение, и один маршрут оповещений, доходящий до человека. Этого хватит для большинства инцидентов, которые небольшой продукт переживёт за первый год.

Добавляйте метрики, когда начинаете спрашивать, почему что-то было медленным, а не сломалось ли оно. Добавляйте трассировки, когда у системы столько подвижных частей, что ответ уже не очевиден из журнала.

Единственное решение, которое стоит принять рано, это где и в каком формате собираются данные. Инструментарий, написанный по открытому стандарту, можно позже направить на другой бэкенд, а инструментарий под библиотеку одного вендора становится аргументом против любых перемен.

Ведите письменную запись о том, что означает каждое оповещение и кто на него отвечает. В три часа ночи эта страница ценнее любого дашборда.