உங்கள் பயனர்கள் உங்களிடம் சொல்லும் முன்பே உங்கள் கணினி முறைகேடாக உள்ளது என்பதை அறிய என்பது இதன் நோக்கம். நல்ல அவதானிப்புத்திறன் நீங்கள் எதிர்பாராத கேள்விகளுக்கு பதிலளிக்க உங்களை வழங்குகிறது, மாறாக நிர்ধারிக்கப்பட்ட டாஷ்போர்ட்களின் ஒரு குறிப்பிட்ட தொகுப்பை மட்டுமே சரிபார்ப்பது அல்ல. ஒரு தொழில்நுட்ப தலைமை என்ற முறையில், நீங்கள் இதை சம்பவத்தின் போது அல்ல, முன்பே அமைப்பீர்கள்.
பயனர் உணர்வு கொண்டு page செய்யுங்கள், உள்ளக jitter ஐ கொண்டு அல்ல. Alerts ஐ SLOs க்கு anchor செய்யுங்கள்: error rate, latency (p95/p99), மற்றும் availability. CPU இல் ஒரு spike ஒரு சம்பவம் அல்ல; 2% பயனர்களுக்கு checkout தோல்வி ஆகும்.
| Alert செய்க | Page செய்யாதே |
|---|---|
| SLO ஐ breach செய்யும் error rate | CPU spike |
| Budget க்கு மேல் p99 latency | ஒரு slow request |
| தோல்விப்பட்ட health checks | Disk 60% இல் உள்ளது |
ஒவ்வொரு alert ஆகவும் urgent, real, மற்றும் actionable ஆக இருக்க வேண்டும் — இது என்ன தவறு என்பதை பெயரிடுகிறது மற்றும் அடுத்த படிக்கு சுட்டிக்காட்டுகிறது. தொடர்ந்து fire ஆகும் Alerts குழுவை அவற்றை புறக்கணிக்க பயிற்றுகிறது; alert fatigue என்பது உண்மையான சம்பவங்கள் எவ்வாறு miss ஆகும் என்பதாகும். health checks மற்றும் golden signals ஐ ஒரு பார்வையில் காட்டும் dashboards ஐ சேர்க்கவும்.
சம்பவத்திற்குப் பிறகு மட்டுமே கண்காணிக்கும் குழுக்கள் குருட்டு சட்டை அணிந்து பறக்கின்றன: அவர்கள் கோபமான வாடிக்கையாளர்களிடமிருந்து outages பற்றி கற்றுக்கொள்கிறார்கள் மற்றும் অনুமানத்தின் மூலம் debug செய்கிறார்கள். முன்பே அவதாননிப்புத்திறன் இல் முதலீடு செய்வது 3 a.m. mysteries ஐ 5-நிமிட diagnoses ஆக மாற்றுகிறது, downtime ஐ சுருக்குகிறது, மற்றும் குழுவை firefight க்கு பதிலாக ship செய்ய free செய்கிறது.