Destek hizmeti
Olayları müşterilerinizden önce duyun
Bir kesintiyi ilk müşteriler bildiriyorsa ve toparlanmanın ne kadar sürdüğünü kimse ölçmüyorsa, güvenilirlik şansa kalmıştır. Metrik, log ve trace katmanını bağlar, SLO’ları tanımlar ve bir olay yönetimi pratiği kurarız.
- Süre
- 3 ila 8 hafta
- Model
- Kurulum ve devir
- Çıktı
- SLO’lar, temiz alarmlar ve olay kılavuzları
Güvenilirliğin şansa kaldığını gösteren işaretler
Gözlemlenebilirlik eksikleri bir olay yaşanana kadar görünmez. Sonra olayın ne kadar süreceğine onlar karar verir.
- Kesintileri izleme sisteminizden önce müşteriler ya da destek ekibi fark ediyor.
- Bir olaydan toparlanma süresi ölçülmüyor; iyileşip iyileşmediğini kimse bilmiyor.
- Nöbetçi mühendise o kadar çok alarm geliyor ki önemli olanlar kayboluyor.
- Loglar var, ama bir müşterinin şikâyetinin arkasındaki istekleri bulmak saatler sürüyor.
- Bir istek birkaç servisten geçiyor ve zamanın nerede harcandığını kimse göremiyor.
- Olaylar bir düzeltmeyle bitiyor ama yazılı bir inceleme yapılmıyor; aynı arıza geri geliyor.
- Ürün için yeterince güvenilirin ne demek olduğunu kimse söyleyemiyor; her kesinti bir tartışmaya dönüşüyor.
Ölçülebilen güvenilirlik
İzleme genellikle tesadüfen büyür: her olay için bir pano, her metrik için bir alarm, birkaç farklı formatta loglar. Sonuç çok fazla veri, bir şey bozulduğunda ise çok az cevaptır.
Kullanıcıdan başlarız. Hizmet seviyesi hedefleri (SLO) giriş, ödeme ya da bir API çağrısı gibi her önemli yolculuk için iyinin ne olduğunu tanımlar; hata bütçeleri bunu, ne zaman yavaşlayıp düzeltmek gerektiğini söyleyen bir kurala çevirir. Alarmlar bu hedeflerin etrafında yeniden kurulur; böylece bir alarm, bir kullanıcının etkilendiği anlamına gelir.
Altta metrikler, yapılandırılmış loglar ve dağıtık izler birbirine bağlanır; bir mühendis bir alarmdan başarısız isteğe dakikalar içinde ulaşabilir. Olay rolleri, kılavuzlar ve suçlamasız incelemeler döngüyü tamamlar; her olay bir sonrakini kısaltır.
Kapsam
Dahildir
- OpenTelemetry tabanlı metrikler, yapılandırılmış loglama ve dağıtık izleme
- Kilit kullanıcı yolculukları için hizmet seviyesi göstergeleri ve hedefleri
- Hata bütçesi politikası
- Alarmların incelenmesi ve SLO’lara göre yeniden kurulması
- Servisler ve kullanıcı yolculukları için panolar
- Olay rolleri, önem seviyeleri ve iletişim şablonları
- En sık arızalar için işletim kılavuzları
- Suçlamasız olay sonrası inceleme pratiği
Dahil değildir
- Nöbet rotasyonunuzun yürütülmesi
- Ticari bir izleme ürününün satın alınması ve yönetimi
- Uygulama performansı iyileştirmesi
- Dış kaynak olarak kesintisiz operasyon hizmeti
İş nasıl ilerler
- Hafta 1Mevcut durumu haritalayın. Mevcut izleme, alarmlar, loglar ve olay geçmişi incelenir; kilit kullanıcı yolculukları sahipleriyle birlikte listelenir.
- Hafta 2 ila 4Ölçümleyin ve tanımlayın. Eksik olan yerlere izleme ve yapılandırılmış loglar eklenir; her kilit yolculuk için SLO’lar tanımlanır ve üzerinde anlaşılır.
- Hafta 4 ila 6Alarmları temizleyin. Alarmlar SLO’ların etrafında yeniden kurulur, gürültülü olanlar kaldırılır. Panolar yalnızca sunucuları değil, yolculukları gösterir.
- Son haftalarOlayları prova edin. Olay rolleri, kılavuzlar ve inceleme pratiği başlatılır ve ekibinizle bir tatbikatta prova edilir.
Elinize geçenler
Her şey sizin altyapınızda çalışır ve sahibi ekibinizdir.
Bu hizmet kimin için değil
- Nöbetini devredecek birini arayan ekipler. Pratiği biz kurarız; ekibiniz yürütür.
- Henüz üretimde kullanıcısı olmayan sistemler. SLO’ların anlamlı olması için gerçek trafik gerekir.
- Pano olsun diye pano isteyen kurumlar. Eklediğimiz her grafik, olaylar sırasında sorulan bir soruyu cevaplar.
Sık sorulanlar
Ticari bir izleme ürününe ihtiyacımız var mı?
Gerekmeyebilir. Açık standartlar ve açık kaynak araçlar çoğu ihtiyacı karşılar, bulut sağlayıcınızın yönetilen servisleri de boşlukları doldurur. Zaten ticari bir ürün kullanıyorsanız onun üzerine kurarız.
Pratikte bir SLO nedir?
Örneğin ödeme isteklerinin yüzde 99,9’unun 28 gün boyunca bir saniye içinde başarıyla tamamlanması gibi bir hedef. Ekibe güvenilirliğin ne zaman ilgi istediğini ve ne zaman daha hızlı çıkış yapmanın güvenli olduğunu söyler.
Alarmlar ne zaman işe yarar hale gelir?
Genellikle ilk haftalar içinde; en gürültülü alarmlar kaldırılıp ilk SLO tabanlı alarmlar devreye girdiğinde.
Olay incelemelerimizi siz mi yürütüyorsunuz?
İlklerini ekibinizle birlikte yürütür, formatı devrederiz. İncelemeler en iyi, sistemi işleten kişiler tarafından yürütüldüğünde işe yarar.
Bunun Performans ve Ölçeklenebilirlik’ten farkı ne?
Bu hizmet sistemi sağlıklı tutan görünürlüğü ve pratikleri kurar. Performans ve Ölçeklenebilirlik belirli performans sınırlarını bulur ve kaldırır.
Önce kısa bir teknik sohbetle başlayalım
Otuz dakika. Son ciddi olayınızı anlatırsınız, biz onu neyin kısaltacağını söyleriz.