監視について思うとこ - y-ohgi's blog

TL;DR 監視はユーザーにサービスを提供できているかを観測するための行為 SLI/SLOを定めて、SLOを守れるようにモニタリングする ダッシュボードは定常的に表示しておくものと障害時に活用するものを作ると良い アラートはレベル分けして人間が対応しなければならないものだけ人間へ通知する 監視とは サービスを健全に動作させ続けるために監視を行います。 「健全に動作している」の定義はサービスによって異なり、ユーザーにWebページを見せることができることだったり、バッチが正常に終了することだったりします。 最終的にユーザーに正常にサービスを提供できていることを観測するために行うことに変わりはありません。 さてユーザーにサービスを提供するために何を監視しましょうか？ クラウド前提であれば個人的にリソースベース（CPU/Memory）より、 SLI/SLOをベース に監視する事が望ましいと考えてい

[y-ohgi]

書きました。転職先も探してます

[JULY]

「イマドキな運用をするために、まずはsshは窓から投げ捨ててしまいましょう」可能な限り ssh で繋がなくても済むようにするのが理想だけで、窓から投げ捨てたら、絶対に後悔する。

[nlogn]

「思うとこ」？「思うこと」じゃなくて？

[morimarii]

SLAは罰則やインセンティブがなくても良いはず

[nobuking]

数ある著名な資料をまとめたもの。日本ってアーリーアダプターが採用してるからかDatadogの評価が高いけど海外だとそこまでだよね。インフラ監視ツールとしては良いけどAPMとしてはそれほどでも、という感じです。

[braitom]

監視とは何か、可観測性の3つの柱であるログ/メトリクス/トレースの詳細についての基本的な説明に加え、SLI/SLOの定義の仕方、ダッシュボードの作成についてなどのTipsが書かれている。

[rrringress]

ASKAの日々感じていた「監視」とか、CCTVの話とかかと思っていたら真面目な監視の話だった

[juve534]

よくまとまっていて参考になる

[y-zumi]

監視について良い勉強になりました

[tmyk_kym]

さすが先生

[Syunpei]

よくまとまっててありがたい

[neo_wata]

“Service Level Agreementは設定した数値（e.g. 99.95%）を維持できなかった際、なんらかの罰則が発生するサービスとクライアントの契約です。” ITILにはそんなこと書いてない

[RabbitBit]

開発の現場での規範やツールの刷新は日進月歩だが、運用の現場も同じらしい。開発の現場から脱落した者が運用の現場に行く流れが一時期あったが、それも今は昔か。

[mapk0y]

ログの保管に関して Datadog が安すぎるなと思ったけど、200byte で 200万行だと 400GB ではなく 400MB なのでは。

[surumedaka]

Datadogあんまり好きくない

[rlho]

クラウド時代の監視。障害調査のためにsshしたくなる私はまだまだダメですなあ…

[lont_in]

SREの業務に寄りすぎていて、本来の用語の定義を超えた記述が多いね

[sasasin_net]

すばらしい整理

[iekusup]

ほー。

[n314]

いまいち自分なりの定番が決まらなくて毎回別のことやってる

[hdkINO33]

“社内基盤という立場は(略)、最終的に「社外のSaaSを使ったほうが良い」という評価を受けがちです。そのようなケースを回避するために社内基盤では利用料を取り、SLAを定義するべきだと私は考えます”

[cocoonP]

これは良エントリ。疎か/ないがしろにされがちな監視の意義と意図と意志を明確化している。

[jtw]

APM使うととたんにコストが跳ね上がるんですよねー。それ以外なら無料で使えるMackerelで十分だと思う。

[ryuzee]

すごくよいまとめだ！