લક્ષ્য એ છે કે તમારી સિસ્ટમ અસ્વસ્થ છે તે તમારા ઉપયોગકર્તાઓ તમને કહે તે પહેલાં જાણવું. સારી અવલોકનક્ષમતા તમને એવા પ્રશ્નોના જવાબ આપવા દે છે જેની તમે અપેક્ષા કરી નથી, માત્ર સ્થિર ડેશબોર્ડ્સ ચેક કરવાની જગ્યાએ. એક ટેક લીડ તરીકે, તમે આને ઘટના દરમિયાન નહીં, તેના પહેલાં સેટ કરો છો.
વપરાશકર્તા અનુભવ કરે તેના પર પાનું કરો, આંતરિક જિટર પર નહીં. સતર્કતાને SLOs માટે એંકર કરો: ભૂલ દર, લેટન્સી (p95/p99), અને ઉપલબ્ધતા. CPU માં સ્પાઇક એક ઘટના નથી; 2% ઉપયોગકર્તાઓ માટે ચેકઆઉટ નિષ્ફળ થવું છે.
| પર સતર્ક કરો | પર પાનું કરશો નહીં |
|---|---|
| SLO ભંગ કરતો ભૂલ દર | એકલો CPU સ્પાઇક |
| બજેટ ઉપર p99 લેટન્સી | એક ધીમી વિનંતી |
| નિષ્ફળ આરોગ્ય તપાસ | ડિસ્ક પર 60% |
હરેક સતર્કતા તાત્કાલિક, વાસ્તવિક, અને કાર્યકારી હોવી જોઈએ — તે કહે છે કે શું ખોટું છે અને આગળના પગલા તરફ નિર્દેશ કરે છે. સતર્કતાઓ જે સતત આગ લગાવે છે તે ટીમને તેમને અવગણવા માટે પ્રશિક્ષણ આપે છે; સતર્કતા થાકાણપણું એ છે કે કેવી રીતે વાસ્તવિક ઘટનાઓ અવગણાય છે. આરોગ્ય તપાસ અને ડેશબોર્ડ્સ ઉમેરો જે એક નજરમાં સોનેરી સંકેતો બતાવે છે.
ટીમો કે જે કોઈ ઘટના પછી જ અવલોકન કરે છે તેઓ અંધાર માં ઉડતા હોય છે: તેઓ ગુસ્સે ગ્રાહકો અને અનુમાન સાથે ડીબગ કરીને આઉટેજ વિશે શીખે છે. અવલોકનક્ષમતામાં આગળથી રોકાણ કરવું 3 a.m. રહસ્યોને 5-મિનિટ નિદાનમાં ફેરવે છે, ડાઉનટાઇમ ઘટાડે છે, અને ટીમને આગ લગાડવાને જાગતું રથવું ધોરણ કે છે તે બદલે શિપ કરવાનું મુક્ત કરે છે.