Bagaimana Anda mendeteksi masalah sebelum pengguna mengeluh?

Question

Accepted Answer

Tujuannya adalah menangkap masalah **sebelum halaman** — menemukan degradasi saat masih ada ruang untuk menyerapnya. Itu berarti menonton **indikator utama**, mendefinisikan **SLO dengan anggaran kesalahan**, dan secara aktif menyelidiki sistem daripada menunggu kegagalan.

## SLO dan anggaran kesalahan

SLO mengubah keandalan menjadi angka (misalnya 99,9% permintaan berhasil). Sisa 0,1% adalah **anggaran kesalahan** Anda. Melacak **kecepatan pembakaran** memungkinkan Anda untuk memberi peringatan ketika Anda menghabiskan anggaran terlalu cepat — jauh sebelum Anda benar-benar melanggar SLO dan pengguna memperhatikannya.

```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
```

## Penyelidikan aktif, bukan hanya metrik pasif

```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
```

Pemantauan sintetis kuat karena tidak menunggu pengguna — terus-menerus menggunakan sistem, jadi checkout yang rusak ditemukan pada jam 3 pagi, bukan ketika kerumunan pagi mengeluh.

## Indikator utama dan tren

Tanda-tanda paling awal ada di sumber daya, belum di kesalahan yang dihadapi pengguna. Peringatan pada **tren**, bukan hanya garis statis.

```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
```

P99 yang perlahan meningkat atau antrian yang terus bertambah adalah tembakan peringatan: dengan bertindak pada merangkak, Anda mencegah pemadaman yang menuju merangkak.

## Mengapa ini penting

Pemantauan reaktif berarti pengguna adalah sistem peringatan Anda — pada saat mereka mengeluh, insiden sudah hidup dan anggaran kesalahan Anda sudah habis. Deteksi proaktif (kecepatan pembakaran SLO, sintetis, pemeriksaan kesehatan, RUM, indikator utama, peringatan tren/anomali) membeli waktu pimpinan: Anda memperbaiki antrian yang jenuh atau latensi yang merangkak sebelum menjadi halaman jam 2 pagi dan pelanggan yang marah. Waktu pimpinan itu adalah perbedaan antara perbaikan yang tenang dan pemadaman.