మీరు ప్రారంభం నుండి అనువర్తనం కోసం పర్యవేక్షణను ఎలా రూపొందించాలి?

Question

IT Interview Practice · Accepted Answer

**విస్తృతాభిప్రాయం నుండి వినియోగదారులు ఏమి భావిస్తారో తెలుసుకోండి**, కాబట్టి **దిగువ నుండి పైకి పరిస్థితి నుండి** కాదు. అత్యంత విశ్వసనీయమైన హోస్ట్ ఫ్లీట్ అభ్యర్థనలు విఫలమైనప్పుడు వృధా అయ్యాయి, కాబట్టి **SLI** ఉపయోక్తానికి ఎదురుగా ప్రారంభించండి — **ఆలస్యం**, **లోపం రేటు**, **లభ్యత** — అప్పుడు నాలుగు స్వర్ణ సంకేతాలను జోడించండి, అప్పుడు సంఖ్యాంకాల ఆధారాన్ని చివరకు జోడించండి.

## లేయరింగ్, వినియోగదారు నుండి లోపలికి

```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)
```

আপনি CPU మరియు disk మాత్రమే పర్యవేక్షण చేస్తే (దిగువ నుండి పైకి), మీరు పూర్ణ ఆకుపచ్చ ఉండవచ్చు అయితే వినియోగదారులు 500s పొందుతారు. SLI ని ముందుగా పర్యవేక్షణ చేయడం (పై నుండి దిగువకు) అంటే మీరు **వినియోగదారులు నిజంగా భావించిన లక్షణాల గురించి** హెచ్చరిక ఇస్తారు, అప్పుడు మీరు స్వర్ణ సంకేతాలు మరియు సంఖ్యాంకాలలో డ్రిల్ చేస్తారు కారణం కనుగొనడానికి.

## పైపలైన్: ఉపకరణం → సేకరించు → డ్యాშ్‌బోర్డ్ → అలర్ట్

```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
```

## ఒక సుదృఢమైన ప్రారంభ స్థానం

```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])))
```

ప్రతి SLI కు **SLO** నిర్వచించండి (ఉదా 99.9% లభ్యత, p99 < 300ms), వాటిని డ్యాషబోర్డ్ చేయండి, మరియు SLO ప్రమాదంలో ఉన్నప్పుడు హెచ్చరిక ఇవ్వండి — ప్రతిదీ కాని కంపనం.

## ఇది ఎందుకు ముఖ్యమైనది

దిగువ నుండి పైకి నిర్మిత పర్యవేక్షణ డిస్క్ 80% పూర్తిగా ఉందని చెబుతుంది కానీ కస్టమర్‌లు చెక్‌అవుట్ చేయలేమని చెబుతుంది. వినియోగదారుకు ఎదురుగా ఉన్న SLI లతో ప్రారంభించడం ప్రతి డ్యాష్‌బోర్డ్ మరియు హెచ్చరికను నిజమైన వినియోగదారు ప్రభావానికి తిరిగి కట్టుకుంటుంది, శబ్దాన్ని కరిగించి ఉంచుతుంది, మరియు ఎదైనా విచ్ఛిన్నమైనప్పుడు (లక్షణం → స్వర్ణ సంకేతం → సంఖ్యాంకాల కారణం) స్పష్టమైన డ్రిల్-డౌన్ మార్గం ఇస్తుంది.

లేయరింగ్, వినియోగదారు నుండి లోపలికి

పైపలైన్: ఉపకరణం → సేకరించు → డ్యాშ్‌బోర్డ్ → అలర్ట్

ఒక సుదృఢమైన ప్రారంభ స్థానం

ఇది ఎందుకు ముఖ్యమైనది

సంబంధిత ప్రశ్నలు