Nowoczesny agent monitoringu potrafi zebrać kilka tysięcy metryk z jednego serwera. Większość organizacji włącza wszystko, a potem przez lata nikt nie otwiera dziewięćdziesięciu procent wykresów. Koszt jest realny: pamięć, dysk, wolne zapytania, pulpity, na których nic nie widać. Wartość bierze się z niewielkiego zestawu metryk dobranych do pytań, na które trzeba odpowiedzieć.
Dla usług: cztery sygnały
Dla każdej usługi widocznej dla użytkowników, niezależnie od technologii, wystarczą cztery metryki:
- Opóźnienie: ile trwa obsługa żądania. Mierzone jako percentyl (95. lub 99.), nie średnia; średnia ukrywa, że co dwudziesty użytkownik czeka dziesięć sekund.
- Ruch: ile żądań na sekundę, ile aktywnych sesji, ile wiadomości w kolejce. Kontekst dla pozostałych sygnałów.
- Błędy: odsetek żądań zakończonych błędem, z podziałem na błędy klienta i serwera.
- Nasycenie: jak blisko limitu jest najbardziej ograniczony zasób usługi: pula połączeń do bazy, wątki, kolejka.
Te cztery sygnały odpowiadają na pytanie „czy usługa działa dobrze” bez wiedzy o jej wnętrzu. Alerty na poziomie usługi opierają się na nich.
Dla infrastruktury: trzy pytania na zasób
Dla każdego zasobu fizycznego lub wirtualnego (procesor, pamięć, dysk, interfejs sieciowy) trzy pytania:
- Wykorzystanie: jaki odsetek czasu lub pojemności jest zajęty.
- Nasycenie: ile pracy czeka w kolejce, bo zasób jest zajęty. Długość kolejki procesora, oczekiwanie na operacje dyskowe, odrzucone pakiety.
- Błędy: błędy odczytu i zapisu, błędy interfejsu, ponowne transmisje.
Wykorzystanie na poziomie 100% nie jest problemem, jeśli nasycenie jest zerowe. Nasycenie przy niskim wykorzystaniu wskazuje na błędną konfigurację. Ta para mówi więcej niż sam wykres CPU.
Dla środowiska Windows i katalogu
Kilka metryk, które nie mieszczą się w powyższych schematach, a są kluczowe:
- opóźnienie i błędy replikacji między kontrolerami domeny,
- liczba nieudanych uwierzytelnień w czasie, z podziałem na przyczyny,
- czas odpowiedzi kontrolera na zapytania LDAP i wydawanie biletów,
- stan usług czasu i rozbieżność zegarów,
- wiek ostatniej udanej kopii zapasowej każdego systemu.
Czego nie zbierać
- Metryk co sekundę tam, gdzie decyzje podejmuje się w skali minut. Interwał 15–60 sekund wystarcza niemal zawsze.
- Metryk per proces dla wszystkich procesów na wszystkich maszynach. Per proces tylko dla usług, które są monitorowane jako usługi.
- Wartości, które są w logach: identyfikatorów, adresów, nazw użytkowników. Metryka liczy, log opisuje. Metryka z wysoką liczbą unikalnych etykiet rozsadza bazę szeregów czasowych.
Retencja i agregacja
Dane surowe z krótkim interwałem są potrzebne przez kilka dni, do diagnozy. Trendy potrzebne są przez rok, do planowania pojemności, ale wystarczy im rozdzielczość godzinowa. Dwa poziomy przechowywania: surowe przez 7–14 dni, zagregowane (średnia, maksimum, percentyl na godzinę) przez rok lub dłużej. Baza rośnie liniowo z liczbą metryk, nie z czasem.
Pulpity: jeden na odbiorcę
Pulpit dla osoby dyżurującej pokazuje cztery sygnały każdej usługi na jednym ekranie, bez przewijania. Pulpit do planowania pojemności pokazuje trendy 90-dniowe wykorzystania i nasycenia. Pulpit dla diagnozy konkretnej usługi pokazuje jej wnętrze. Jeden pulpit ze wszystkim jest pulpitem dla nikogo.
Podsumowanie
Cztery sygnały na usługę, trzy pytania na zasób, garść metryk specyficznych dla katalogu i kopii zapasowych, dwa poziomy retencji i pulpity dobrane do odbiorcy. Taki zestaw odpowiada na pytania „czy działa” i „co się kończy” przy ułamku kosztu zbierania wszystkiego. Resztę dodaje się wtedy, gdy pojawi się pytanie, na które obecne metryki nie odpowiadają, a nie na zapas.