Kokie yra keturi pagrindiniai stebėsenos signalai?

Question

Accepted Answer

Iš Google SRE knygos, keturi pagrindiniai signalai yra **latencija, srautas, klaidos ir sodrumas**. Jei galite matuoti tik keturis dalykus apie naudotojams skirią sistemą, matuokite šiuos — kartu jie sulaukia didžiąją dalį problemų.

## Keturi signalai

```text
LATENCY     how long a request takes
            → split SUCCESSFUL vs FAILED latency (a fast 500 isn't "fast")
            → track percentiles (p50/p95/p99), not averages

TRAFFIC     how much demand the system is under
            → requests/sec, transactions/sec, concurrent sessions

ERRORS      rate of failing requests
            → explicit (HTTP 500) and implicit (wrong content, too slow)

SATURATION  how "full" the system is — its most constrained resource
            → CPU, memory, I/O, queue depth; a leading indicator of trouble
```

## Kodėl šie keturi apima daugumą problemų

Latencija ir klaidos yra tai, ką naudotojai **tiesiogiai jaučia**. Srautas paaiškina **apkrovos kontekstą** (latencijos šuolis 10x srautų padidėjimo metu reiškia ką nors kitaip nei esant bazinei linijai). Sodrumas yra **vedantis indikatorius** — jis pakyla prieš latenciją ir klaidas, perspėdamas jus prieš tam tikrą naudotojo pažeidimą.

```text
saturation climbs → latency rises → errors appear → users complain
     ^ warning here, while there's still time to act
```

## Kontrastas su USE ir RED

Pagrindiniai signalai yra vienas iš trijų susijusių planų; jie labai persikloja ir paima tuos pačius žyminius ženklus iš skirtingų kampų.

```text
GOLDEN  latency, traffic, errors, saturation   → user-facing services (general)
RED     Rate, Errors, Duration                 → request-driven services (a subset)
USE     Utilization, Saturation, Errors        → resources/infra (per device)
```

RED iš esmės yra pagrindiniai signalai be sodumo, orientuoti į užklausas; USE yra išteklių centrinė (taikykite ją kiekvienam diskui, NIC, CPU). USE naudokite paslaugoms, USE aparatūrai, pagrindiniai signalai kaip bendra numatytoji reikšmė.

## Kodėl tai svarbu

Monitoruojant viską susidaro triukšmas ir blind spotted; nieko nemonitoravus paliksite jus besisukamiams žiaurus. Pagrindiniai signalai yra patvirtinta minimali aibė, kuri susieja skydelių ir perspėjimo signalus su naudotojo patirtimi, tuo pat metu paviršiuje iškeliant sodrumą anksti — todėl gauti perspėjimą prieš incidentą, o ne post-mortem po jo.