Tikslas yra žinoti, kad jūsų sistema yra nesveika, kol jums tai pasako jūsų naudotojai. Geras stebėjimas leidžia atsakyti į klausimus, kurių nenumatėte, ne tik patikrinti fiksuotą prietaisų skydų rinkinį. Kaip techninis vadovas, tai nustatysite prieš incidentą, o ne jo metu.
Skelbkite apie tai, ką jausdamas naudotojas, o ne vidinį vibravimą. Įrištiniu įspėjimus prie SLO: klaidų dažnis, latencija (p95/p99) ir pasiekiamumas. CPU smaigalys nėra incidentas; atsiskaitymas nepavyksta 2% naudotojams.
| Įspėti apie | Neskelbkite apie |
|---|---|
| Klaidų dažnis pažeidžia SLO | Vienas CPU smaigalys |
| p99 latencija viršija biudžetą | Vienas lėtas prašymas |
| Nepavykę sveikatos patikrinimo | Disko 60% |
Kiekvienas įspėjimas turi būti neatidėliotinas, tikras ir veiksmingą — jis nusako, kas negerai, ir rodo kitą žingsnį. Įspėjimai, kurie nuolat gaivina, mokyti komandą juos ignoruoti; perspėjimo nuovargis yra tai, kaip tikri incidentai praleidžiami. Pridėkite sveikatos patikrinimus ir skydus, kurie iš pirmo žvilgsnio parodo aukso signalus.
Komandos, kurios stebėjo tik po incidento, skraidė aklu: sužino apie išbėgimus iš piktų klientų ir skaidmena spėliodami. Investavimas į stebėseną iš pradžių 3 val. paslaptis paverčia 5 minučių diagnostika, sumažina nedarbo laiką ir atlaisvina komandą, kad siųstų, o ne gesintų gaisrus.