پایش و مشاهده‌پذیری؛ چه چیزهایی را باید اندازه بگیریم؟

داشتن داده زیاد به معنی مشاهده‌پذیری نیست. هدف این است که تیم بتواند پاسخ دهد چه چیزی خراب شده، چه کسانی تحت تأثیرند و علت محتمل کجاست.

از تجربه کاربر آغاز کنید

دردسترس‌بودن، زمان پاسخ و نرخ موفقیت مسیرهای اصلی را اندازه بگیرید. شاخص فنی باید به یک پیامد کاربر یا کسب‌وکار متصل باشد.

چهار سیگنال پایه را پوشش دهید

ترافیک، خطا، تأخیر و اشباع منابع برای بسیاری از سرویس‌ها نقطه شروع خوبی‌اند. این سیگنال‌ها نشان می‌دهند مشکل در حال رخ‌دادن است یا ظرفیت رو به پایان است.

لاگ ساختاریافته بنویسید

شناسه درخواست، سرویس، سطح خطا و زمینه لازم را ثبت کنید. اطلاعات حساس نباید وارد لاگ شود و دوره نگهداری باید مشخص باشد.

ردگیری درخواست را برای مسیرهای توزیع‌شده فعال کنید

وقتی یک درخواست از چند سرویس عبور می‌کند، ردگیری کمک می‌کند گلوگاه یا شکست دقیق پیدا شود. نمونه‌برداری هزینه را کنترل می‌کند.

هشدار را قابل اقدام کنید

هشدار باید مالک، شدت و راهنمای بررسی داشته باشد. هشدارهای پر سر و صدا اعتماد تیم را از بین می‌برند؛ موارد بدون اقدام مشخص را حذف یا بازطراحی کنید.

پس از هر رخداد، داشبورد و هشدار را بهبود دهید. مشاهده‌پذیری یک پروژه یک‌باره نیست؛ حافظه عملیاتی تیم است.