Hvordan opdager du problemer før brugerne klager?

Question

Accepted Answer

Målet er at fange problemer **før siden går ned** — at finde forringelse mens der stadig er plads til at absorbere det. Det betyder at overvåge **ledende indikatorer**, definere **SLOs med fejlbudgetter** og aktivt teste systemet i stedet for at vente på, at det svigter.

## SLOs og fejlbudgetter

En **SLO** omdanner pålidelighed til et tal (f.eks. 99,9% af forespørgslerne lykkes). De resterende 0,1% er dit **fejlbudget**. At spore **burn rate** giver dig mulighed for at advare når du bruger budgettet for hurtigt — længe før du faktisk overtræder SLO'en og brugerne bemærker det.

```text
SLO 99.9% → 0.1% error budget/month (~43 min of downtime)
burn rate rising fast → you'll exhaust it in 2 days → alert NOW, while it's fixable
```

## Aktivt test, ikke kun passive metrics

```text
SYNTHETIC MONITORING  scripted checks hit critical paths on a schedule
                      (login, checkout) → fails even at 3am with zero real traffic
HEALTH CHECKS         /healthz endpoints + dependency checks → load balancer
                      pulls bad instances before users hit them
RUM (real-user mon.)  measure latency/errors from actual browsers/devices →
                      catches issues only some users/regions see
```

Synthetisk overvågning er kraftfuld fordi den ikke venter på en bruger — den tester kontinuerligt systemet, så en ødelagt checkout opdages kl. 3 om morgenen, ikke når formiddagstransporten klager.

## Ledende indikatorer og trends

De tidligste tegn er i ressourcer, ikke endnu i brugerfejl. Advar på **trenden**, ikke bare en statisk linje.

```text
LEADING INDICATORS   saturation (CPU/mem climbing), queue depth growing,
                     connection-pool nearing limit, latency CREEPING up
ANOMALY DETECTION    flag deviation from the normal baseline / seasonality
TREND ALERTS         "disk will fill in 4h at this rate" → act before it's full
```

En langsomt stigende p99 eller en voksende kø er et varselskud: ved at handle på den graduelle stigning, forhindrer du det nedbrud som stigningen var på vej mod.

## Hvorfor det betyder noget

Reaktiv overvågning betyder at brugere er dit alarmesystem — når de klager, kører hændelsen allerede og dit fejlbudget er brugt op. Proaktiv detektering (SLO burn rate, synthetiske tests, sundhedstjek, RUM, ledende indikatorer, trend/anomali-advarsler) køber dig tid: du fikser en mættet kø eller stigende latens før det bliver en 2-tal side og en vred kunde. Den tid er forskellen mellem en stille rettelse og et nedbrud.