„Co to jest monitorowanie czasu pracy? Kompletny przewodnik dla zespołów internetowych i SRE”

Monitorowanie czasu pracy to podstawowa dyscyplina operacyjna polegająca na ciągłym sprawdzaniu, czy strony internetowe, aplikacje internetowe i mikrousługi API pozostają dostępne, responsywne i funkcjonalne dla użytkowników na całym świecie.

We współczesnej chmurze obliczeniowej przestoje w działaniu witryny bezpośrednio szkodzą przychodom firmy, reputacji marki, pogarszają rankingi wyszukiwarek i prowadzą do rezygnacji klientów.W tym obszernym przewodniku opisano, jak działa automatyczne monitorowanie czasu pracy, jak obliczać procent dostępności w ramach umowy o gwarantowanym poziomie usług (SLA), jak eliminować fałszywe alarmy pozytywne i jak organizować przepływy pracy związane z monitorowaniem produkcji.

Podsumowanie w pierwszej kolejności

Monitorowanie czasu działania automatyzuje ciągłe testowanie internetowych punktów końcowych za pomocą zaplanowanych pingów HTTP/HTTPS z geograficznie rozproszonych serwerów sondujących.Weryfikuje kody stanu odpowiedzi HTTP (2xx/3xx), czas rozpoznawania DNS, uzgodnienia połączenia TCP i ważność certyfikatu TLS.Systemy o wysokiej dostępności są ukierunkowane na cele SLA, takie jak „trzy dziewiątki” (99,9% czasu sprawności = maksymalnie 8,76 godzin przestojów/rok) lub „Cztery Dziewiątki” (99,99% czasu sprawności = maksymalnie 52,6 minut przestojów/rok).Aby zapobiec fałszywym alarmom, nowoczesne monitory, takie jak SimpleOps, wymuszają konsensus sondowania w wielu regionach przed wysłaniem powiadomień za pośrednictwem Slacka, Telegramu, poczty e-mail lub elementów Webhook.

Jak działa monitorowanie czasu pracy: od podstaw

Zautomatyzowane monitorowanie czasu pracy działa jako asynchroniczny, rozproszony system telemetryczny:

Zaplanowane wysyłanie sond: rozproszone węzły robocze sond monitorujących wykonują żądania HTTP/HTTPS względem zarejestrowanych docelowych adresów URL w ustalonych odstępach czasu (np. co 60 sekund).
Weryfikacja odpowiedzi wielowarstwowej: Każdy węzeł sondy sprawdza wiele warstw protokołu:
- Rozdzielczość DNS: Mierzy opóźnienie wymagane przez serwery nazw domen do rozpoznania domeny na adres IP.
- TCP Handshake: Czas trwania ustanawiania połączenia sieciowego.
- Uzgadnianie TLS/SSL: sprawdza ważność certyfikatu, negocjacje zestawu szyfrów i datę wygaśnięcia.
- Kod stanu odpowiedzi HTTP: Sprawdza, czy serwer zwrócił oczekiwany kod stanu 2xx Sukces lub 3xx Przekierowanie (oznaczenie błędów klienta 4xx i błędów serwera 5xx).
- Dopasowanie ładunku odpowiedzi: Opcjonalne dopasowanie słowa kluczowego w celu sprawdzenia, czy kluczowe elementy strony są renderowane poprawnie.
Konsensus dotyczący awarii w wielu regionach: Gdy główny węzeł kontrolny wykryje błąd HTTP lub przekroczono limit czasu połączenia, wysyła zadania ponownej weryfikacji do dodatkowych węzłów sondujących w różnych globalnych regionach geograficznych (np. Ameryka Północna, Europa, Azja i Pacyfik).Jeśli wiele niezależnych węzłów potwierdzi awarię, zostanie otwarte oficjalne zgłoszenie.
Wysyłanie powiadomień o alertach: Natychmiastowe powiadomienia są kierowane do dyżurujących zespołów inżynieryjnych za pośrednictwem aplikacji Slack, Telegram, e-mail, Webhooks lub PagerDuty.

Umowy SLA dotyczące dostępności i skala „dziewiątek”.

Dostępność czasu sprawności wyrażona jest jako procent całkowitego czasu pracy w danym oknie pomiarowym (miesięcznym lub rocznym):

$$\text{Dostępność czasu działania (%)} = \frac{\text{Całkowity czas} - \text{Całkowity czas przestoju}}{\text{Całkowity czas}} \times 100$$

Standardowa w branży skala „Dziewięć” dzieli cele dostępności na poziomy operacyjne:

Docelowa dostępność umowy SLA	Maksymalny dozwolony roczny przestój	Maksymalny dozwolony miesięczny przestój	Typowy przypadek użycia
99,0% („Dwie dziewiątki”)	3 dni, 15 godzin, 39 minut	7 godzin, 18 minut	Środowiska programistyczne, wewnętrzne miejsca testowe.
99,5%	1 dzień, 19 godzin, 49 minut	3 godziny, 39 minut	Blogi niekrytyczne, marketingowe strony docelowe.
99,9% („Trzy dziewiątki”)	8 godzin, 45 minut, 57 sekund	43 minuty, 49 sekund	Standardowe produkty SaaS, komercyjne aplikacje internetowe.
99,99% („Cztery Dziewiątki”)	52 minuty, 35 sekund	4 minuty, 23 sekundy	Interfejsy API realizacji transakcji w handlu elektronicznym, bramki płatnicze.
99,999% („Pięć dziewiątek”)	5 minut, 15 sekund	25,9 sekundy	Telekomunikacja, platformy handlu finansowego.

Zapobieganie fałszywym alarmom o przestojach

Fałszywie pozytywne alerty występują, gdy narzędzie monitorujące zgłasza awarię, która nie oznacza rzeczywistej awarii usługi (np. tymczasowa przerwa w sieci między pojedynczą sondą a lokalizacją docelową).Fałszywe alarmy powodują zmęczenie czujnością, powodując, że dyżurujący inżynierowie ignorują uzasadnione powiadomienia o sytuacjach awaryjnych.

Aby zapobiec fałszywym alarmom, SimpleOps wymusza trzy zabezpieczenia:

Konsensus geograficzny dotyczący wielu regionów: Alert nigdy nie jest wyzwalany z powodu awarii pojedynczego węzła sondy.Co najmniej dwa różne węzły sondy w różnych regionach świata muszą niezależnie potwierdzić awarię.
Progi kolejnych awarii: Awarie muszą trwać przez wiele kolejnych cykli kontroli (np. 2 kolejne nieudane kontrole trwające 60 sekund), zanim wyzwolą eskalację o wysokim priorytecie.
Smart Retry Logic: Sondy wykonują natychmiastowe, natychmiastowe ponowne próby po napotkaniu przekroczenia limitu czasu sieci, aby odróżnić przejściową utratę pakietów od rzeczywistego przestoju serwera.

Monitorowanie czasu sprawności i wydajności

Chociaż monitorowanie czasu pracy sprawdza, czy Twój serwer internetowy działa i zwraca odpowiedzi HTTP 200 OK, nie ocenia, jak szybka i użyteczna jest Twoja witryna internetowa dla prawdziwych użytkowników.

Witryna może mieć 100% czasu działania protokołu HTTP, a jednocześnie nie nadawać się do użytku z powodu nieskompresowanych obrazów, blokad wykonywania głównego wątku JavaScript lub wolnych podstawowych wskaźników internetowych (LCP, INP, CLS).Z tego powodu nowoczesne zespoły inżynierów łączą monitorowanie czasu pracy HTTP z syntetycznymi audytami Lighthouse i śledzeniem pola rzeczywistych użytkowników w SimpleOps.

Wdrażanie automatycznego monitorowania czasu pracy za pomocą SimpleOps

SimpleOps zapewnia platformę monitorowania czasu pracy bez użycia kodu, która umożliwia programistom i zespołom DevOps skonfigurowanie globalnej kontroli dostępności w ciągu 60 sekund w czasie krótszym niż dwie minuty:

Ponad 15 globalnych węzłów kontrolnych: Monitoruj dostępność w Ameryce Północnej, Europie, regionie Azji i Pacyfiku oraz Ameryce Południowej.
Powiadamianie wielokanałowe: Natychmiast kieruj powiadomienia do Slacka, Telegramu, e-maila lub niestandardowych webhooków.
Zintegrowane śledzenie wygaśnięcia protokołu SSL: Monitoruj daty wygaśnięcia certyfikatów HTTPS i łańcuchy zaufania od razu po wyjęciu z pudełka.
Publiczne strony stanu: udostępniaj klientom i zainteresowanym stronom stan systemu w czasie rzeczywistym i historyczne wskaźniki SLA.