როგორ დიზაინ მოახდინე აპლიკაციის მონიტორინგი ნულიდან?

Question

Accepted Answer

დაიწყე **ზემოდან ქვემოთ იმ რაზე, რაც მომხმარებლებმა 感じる**, არა ქვემოდან ზემოთ ინფრასტრუქტურიდან. ყველაზე სანდო ხოსტის ფლოტი უსარგებლოა, თუ მოთხოვნები ჩავარდნებია, ამიტომ დაიწყე მომხმარებელთან მიმართული **SLI** — **ლატენტობა**, **შეცდომის მაჩვენებელი**, **ხელმისაწვდომობა** — შემდეგ დაამატე ოთხი ოქროს სიგნალი, შემდეგ ინფრა მეტრიკა ბოლოს.

## რატომ არის მნიშვნელოვანი

```text
1. USER-FACING SLIs   → what the user experiences (latency, errors, availability)
2. GOLDEN SIGNALS     → latency, traffic, errors, saturation per service
3. INFRA METRICS      → CPU, memory, disk, network (causes, not symptoms)
```

თუ მხოლოდ CPU და დისკს მონიტორ გარ (ქვემოდან ზემოთ), შეგიძლია სრულად მწვანე იყო, სანამ მომხმარებლებმა 500 მიიღებენ. SLI-ის ჯერ მონიტორინგი (ზემოდან ქვემოთ) ნიშნავს, რომ თქვენ გაფრთხოვებთ **სიმპტომების შესახებ, რომელსაც მომხმარებლები ნამდვილად ჰგრძნობენ**, შემდეგ ბურვით ჩამოსულიყავი ოქროს სიგნალებში და ინფრაში მიზეზის გასარკვევად.

## მილაკი: ინსტრუმენტი → შეგროვება → ინფორმაციის ფარი → გაფრთხოვება

```text
INSTRUMENT  app emits metrics/logs/traces (e.g. request_duration_seconds histogram)
   ↓
COLLECT     a TSDB scrapes/ingests them (Prometheus, Datadog agent)
   ↓
DASHBOARD   visualize SLIs + golden signals (Grafana) for humans to read
   ↓
ALERT       fire on SLO violations / burn rate, routed to on-call
```

## კონკრეტული საწყისი წერტილი

```promql
# Availability SLI: fraction of requests that succeed
sum(rate(http_requests_total{status!~"5.."}[5m]))
  / sum(rate(http_requests_total[5m]))

# Latency SLI: p99 request latency
histogram_quantile(0.99, sum by (le) (rate(http_request_duration_seconds_bucket[5m])))
```

გაკეთე **SLO** თითოეული SLI-ზე (მაგ. ხელმისაწვდომობა 99,9%, p99 < 300ms), ინფორმაციის ფარი მათ, და გაფრთხოვება, როდესაც SLO რისკის ქვეშ არის — არა ყოველი ორმოსნის დროს.

## რატომ არის მნიშვნელოვანი

მონიტორინგი, რომელიც ქვემოდან ზემოთ აგებულია, გიჩვენებთ, რომ დისკი 80% სავსეა, მაგრამ არა რომ მომხმარებლებმა ვერ შესძლეს გადამოწმება. მომხმარებელთან მიმართული SLI-დან დაწყება ყოველ ინფორმაციის ფარი და გაფრთხოვებას აკავშირებს მომხმარებლის რეალურ გავლენას, ხმაურს დაბალს ინახავს და გაწმენდის ღრმა გზის (სიმპტომი → ოქროს სიგნალი → ინფრა მიზეზი) ნათელ გზას პოულობს, როდესაც რაღაც გატყდება.