Tema: sre
-
Higiene de alertas em monitoramento de hosts: taxa em vez de limiar, units com falha e janelas de duração
Um page deve significar que uma pessoa precisa agir agora: um disco de host quase cheio deve gerar page pela taxa de preenchimento, e não por uma porcentagem fixa em que uma partição de crescimento lento pode ficar por meses; um limiar ultrapassado por um instante não deve gerar page. Os materiais de SRE do Google sobre disciplina de paging e alertas multijanela fornecem a justificativa; este artigo a aplica aos sinais de host tratados nesta série.
-
O método RED para serviços orientados a requisições, com exemplars que ligam um bucket lento a um trace
Instrumente todos os serviços que tratam requisições da mesma forma, com taxa, erros e duração: um contador com labels de rota, método e status e um histograma de duração. Havendo tracing, anexe exemplars (um trace ID com um valor registrado) ao histograma, para que um bucket lento no dashboard abra o trace que caiu ali.
-
SLIs para filas e jobs em lote: idade da mensagem mais antiga, atualidade, cobertura e último sucesso
Serviços orientados a requisições medem disponibilidade e latência; filas e jobs em lote exigem outros indicadores: a idade do item não processado mais antigo, a proporção de dados mais recentes que um limite, a proporção de execuções agendadas concluídas dentro da janela e o momento do último sucesso. Esta metodologia os deriva dos SLIs de pipeline do SRE workbook.
Legível por máquina: JSON