Почему мониторинг и алертинг — это основа надежной системы. Часть 1.
 
“Мониторинг и алертинг являются ключевыми элементами обеспечения надежности IT-систем!”. Такой яркий заголовок часто можно встретить в начале любой статьи. Но почему это действительно так важно для любой системы и любого бизнеса?

На самом деле мониторинг это одна из первых линий защиты системы от отказов и залог ее стабильной работы (и особенно высоконагруженной). Именно грамотно настроенный мониторинг позволяет выявить аномалии и потенциальные сбои до того, как они станут критичными (а бизнес придет надавать по шапке) и в некоторых случаях, позволяет отследить девиации и предотвратить инцидент (да-да, практически как в особом мнении и мы не про концовку!).

Не менее важный игрок в этой гонке за девятками – быстрое оповещение (алертинг) об инцидентах, который помогает оперативно реагировать и минимизировать негативное воздействие на пользователей.

Полезная привычка собирать данные о метриках системы и анализировать их позволит понимать, как эта самая система работает в реальных условиях, и своевременно выявлять узкие места. Например, анализ трендов с помощью данных мониторинга, помогает предсказать возможные проблемы, такие как нехватка ресурсов или деградация производительности.

Мониторинг и алертинг выступают надежными товарищами в планировании и соблюдении бюджета ошибок. Получается, что мониторинг и алертинг действительно являются must have-ом для любой компании. Звучит круто, но как это выглядит на практике?

Нужно понимать, что мониторинг не так прост, как кажется. У мониторинга есть разные уровни, каждый из которых вносит свой вклад в создание общей картины системы.

Уровни мониторинга:
Инфраструктурный мониторинг (базовый уровень)

Что мониторится:
🔧Серверы (CPU, RAM, диск)
🔧Сети (пропускная способность, потери пакетов, задержки)
🔧Базы данных (доступность, время выполнения запросов, место на диске)
🔧Аппаратные компоненты (температура процессоров, состояние жестких дисков)

Цель: убедиться, что все базовые компоненты системы работают корректно


Сервисный мониторинг (средний уровень)

Что мониторится:
🔧Внутренние метрики сервисов и приложений
🔧Логи (ошибки, исключения)
🔧Производительность (время отклика API, успешные/ошибочные запросы)
🔧Подсистемы приложения (кэш, очереди)

Цель: следить за состоянием работы приложений и сервисов и выявлять проблемы, которые влияют на бизнес-логику


Бизнес-мониторинг (уровень продукта)

Что мониторится:
🔧Ключевые бизнес-метрики (количество продаж, регистраций, транзакций и др.)
🔧Пользовательский опыт (метрики конверсии, UX-показатели и др.)

Цель: обеспечить, чтобы бизнес-задачи выполнялись корректно, и понимать влияние технических сбоев на бизнес

Продолжение здесь

#полезныематериалы #SRE @downtime_bar