Giám sát thời gian hoạt động là gì? Hướng dẫn đầy đủ dành cho nhóm web & SRE

Giám sát thời gian hoạt động là nguyên tắc hoạt động cơ bản nhằm liên tục xác minh rằng các trang web, ứng dụng web và vi dịch vụ API vẫn có thể truy cập, phản hồi và hoạt động tốt đối với người dùng trên toàn thế giới.

Trong điện toán đám mây hiện đại, thời gian ngừng hoạt động của trang web gây tổn hại trực tiếp đến doanh thu kinh doanh, gây tổn hại đến uy tín thương hiệu, làm giảm thứ hạng của công cụ tìm kiếm và dẫn đến việc khách hàng rời bỏ.Hướng dẫn toàn diện này đề cập đến cách hoạt động của tính năng giám sát thời gian hoạt động tự động, cách tính tỷ lệ phần trăm sẵn có của Thỏa thuận cấp độ dịch vụ (SLA), cách loại bỏ các cảnh báo dương tính giả và cách cấu trúc quy trình giám sát sản xuất.

Trả lời-Tóm tắt đầu tiên

Giám sát thời gian hoạt động tự động hóa việc kiểm tra liên tục các điểm cuối web thông qua các ping HTTP/HTTPS được lên lịch từ các máy chủ thăm dò được phân bổ theo địa lý.Nó xác minh mã trạng thái phản hồi HTTP (2xx/3xx), thời gian phân giải DNS, bắt tay kết nối TCP và tính hợp lệ của chứng chỉ TLS.Các hệ thống có tính sẵn sàng cao nhắm đến các mục tiêu SLA như "Three Nines" (99,9% thời gian hoạt động = thời gian ngừng hoạt động tối đa 8,76 giờ/năm) hoặc "Four Nines" (thời gian hoạt động 99,99% = thời gian ngừng hoạt động tối đa 52,6 phút/năm).Để ngăn cảnh báo dương tính giả, các công cụ giám sát hiện đại như SimpleOps thực thi sự đồng thuận thăm dò đa khu vực trước khi gửi thông báo qua Slack, Telegram, Email hoặc Webhooks.

Cách thức hoạt động của giám sát thời gian hoạt động: Dưới mui xe

Giám sát thời gian hoạt động tự động hoạt động như một hệ thống đo từ xa phân tán, không đồng bộ:

1. Gửi thăm dò theo lịch trình: Các nút công nhân thăm dò giám sát được phân phối thực thi các yêu cầu HTTP/HTTPS đối với các URL mục tiêu đã đăng ký trong khoảng thời gian cố định (chẳng hạn như cứ sau 60 giây).
2. Xác thực phản hồi nhiều lớp: Mỗi nút thăm dò sẽ kiểm tra nhiều lớp giao thức:
   • Độ phân giải DNS: Đo độ trễ cần thiết để máy chủ tên miền phân giải miền thành địa chỉ IP.
   • TCP Handshake: Định thời gian thiết lập kết nối mạng.
   • Bắt tay TLS/SSL: Kiểm tra tính hợp lệ của chứng chỉ, đàm phán bộ mật mã và ngày hết hạn.
   • Mã trạng thái phản hồi HTTP: Xác thực rằng máy chủ trả về mã trạng thái Thành công 2xx hoặc Chuyển hướng 3xx dự kiến ​​(gắn cờ Lỗi máy khách 4xx và Lỗi máy chủ 5xx).
   • Đối sánh tải trọng phản hồi: Đối sánh từ khóa tùy chọn để xác minh rằng các thành phần chính của trang hiển thị chính xác.
3. Đồng thuận lỗi đa khu vực: Khi nút kiểm tra chính phát hiện lỗi HTTP hoặc hết thời gian kết nối, nút này sẽ gửi nhiệm vụ xác minh lại đến các nút thăm dò phụ ở các khu vực địa lý toàn cầu khác nhau (ví dụ: Bắc Mỹ, Châu Âu, Châu Á Thái Bình Dương).Nếu nhiều nút độc lập xác nhận lỗi thì một sự cố chính thức sẽ được mở.
4. Gửi thông báo cảnh báo: Thông báo tức thời được chuyển đến các nhóm kỹ thuật theo yêu cầu thông qua Slack, Telegram, Email, Webhooks hoặc PagerDuty.

SLA về tính khả dụng trong thời gian hoạt động và thang đo "Nines"

Tính khả dụng của thời gian hoạt động được biểu thị bằng phần trăm của tổng thời gian hoạt động trong một khoảng thời gian đo nhất định (hàng tháng hoặc hàng năm):

$$\text{Tính khả dụng của thời gian hoạt động (%)} = \frac{\text{Tổng thời gian} - \text{Tổng thời gian ngừng hoạt động}}{\text{Tổng thời gian}} \times 100$$

Thang đo "Nines" tiêu chuẩn ngành phân loại các mục tiêu sẵn có thành các cấp độ hoạt động:

Ngăn chặn cảnh báo thời gian ngừng hoạt động tích cực sai

Cảnh báo dương tính giả xảy ra khi một công cụ giám sát báo cáo tình trạng ngừng hoạt động không phải do lỗi dịch vụ thực tế (chẳng hạn như trục trặc mạng tạm thời giữa một đầu dò duy nhất và trang web mục tiêu).Thông tin sai lệch tạo ra cảnh báo mệt mỏi, khiến các kỹ sư trực điện thoại bỏ qua các thông báo khẩn cấp hợp pháp.

Để ngăn cảnh báo dương tính giả, SimpleOps thực thi ba biện pháp bảo vệ phòng thủ:

1. Đồng thuận đa khu vực về địa lý: Cảnh báo không bao giờ được kích hoạt dựa trên lỗi của một nút thăm dò.Ít nhất hai nút thăm dò riêng biệt ở các khu vực toàn cầu khác nhau phải xác nhận lỗi một cách độc lập.
2. Ngưỡng lỗi liên tiếp: Sự cố ngừng hoạt động phải kéo dài qua nhiều chu kỳ kiểm tra liên tiếp (ví dụ: 2 lần kiểm tra không thành công liên tiếp trong 60 giây) trước khi kích hoạt leo thang mức độ ưu tiên cao.
3. Logic thử lại thông minh: Đầu dò thực hiện thử lại ngay lập tức khi gặp phải thời gian chờ mạng để phân biệt tình trạng mất gói tạm thời với thời gian ngừng hoạt động thực tế của máy chủ.

Giám sát thời gian hoạt động và hiệu suất

Mặc dù giám sát thời gian hoạt động xác minh rằng máy chủ web của bạn đang chạy và trả về phản hồi HTTP 200 OK, nhưng nó không đánh giá tốc độ hoặc khả năng sử dụng trang web của bạn đối với người dùng thực.

Một trang web có thể có 100% thời gian hoạt động của HTTP trong khi vẫn không thể sử dụng được do hình ảnh không được nén, khóa thực thi JavaScript của luồng chính hoặc Core Web Vitals chậm (LCP, INP, CLS).Vì lý do này, các nhóm kỹ thuật hiện đại kết hợp giám sát thời gian hoạt động của HTTP với kiểm tra Lighthouse tổng hợp và theo dõi trường người dùng thực trong SimpleOps .

Triển khai giám sát thời gian hoạt động tự động với SimpleOps

SimpleOps cung cấp nền tảng giám sát thời gian hoạt động không mã cho phép các nhà phát triển và nhóm DevOps thiết lập kiểm tra thời gian hoạt động 60 giây trên toàn cầu trong vòng chưa đầy hai phút:

• 15+ Nút kiểm tra toàn cầu: Theo dõi tính khả dụng trên khắp Bắc Mỹ, Châu Âu, Châu Á Thái Bình Dương và Nam Mỹ.
• Cảnh báo đa kênh: Định tuyến thông báo tới Slack, Telegram, Email hoặc Webhooks tùy chỉnh ngay lập tức.
• Theo dõi hết hạn SSL tích hợp: Theo dõi ngày hết hạn chứng chỉ HTTPS và chuỗi tin cậy ngay lập tức.
• Trang trạng thái công khai: Chia sẻ trạng thái hệ thống theo thời gian thực và số liệu SLA thời gian hoạt động lịch sử với khách hàng và các bên liên quan.