Инфраструктура компании выросла до состояния, когда удерживать её в голове уже невозможно. Серверов и сервисов много, и о падении мы, как правило, узнаём от клиента, а не от своих систем наблюдения. Единой панели, по которой было бы видно общее здоровье, у нас нет, а ночная авария упирается в отсутствие внятной процедуры: непонятно, кого поднимать. Мы хотим уйти от слепого тушения пожаров к тому, чтобы замечать сбои прежде, чем их заметят пользователи.
Работу видим как полное развёртывание мониторинга по всему хозяйству. Требуется собрать метрики с машин и важнейших сервисов, построить дашборды с моментально считываемым состоянием и настроить оповещения, которые реагируют на реальные проблемы и не превращаются в поток шума. Сигналы должны приходить дежурной смене, чтобы ответственный в каждый момент был очевиден, при этом тихие часы и эскалацию нужно продумать. Десять надёжных алертов ценнее сотни, которые команда привыкает пролистывать.
Опишите предлагаемый набор инструментов и обоснование выбора, подход к поддержке конфигурации при добавлении новых серверов и логику порогов, при которой алерт всегда требует действия. В объём входят документация и небольшая передача дел, чтобы дальше система жила силами нашей команды.
Работу видим как полное развёртывание мониторинга по всему хозяйству. Требуется собрать метрики с машин и важнейших сервисов, построить дашборды с моментально считываемым состоянием и настроить оповещения, которые реагируют на реальные проблемы и не превращаются в поток шума. Сигналы должны приходить дежурной смене, чтобы ответственный в каждый момент был очевиден, при этом тихие часы и эскалацию нужно продумать. Десять надёжных алертов ценнее сотни, которые команда привыкает пролистывать.
Опишите предлагаемый набор инструментов и обоснование выбора, подход к поддержке конфигурации при добавлении новых серверов и логику порогов, при которой алерт всегда требует действия. В объём входят документация и небольшая передача дел, чтобы дальше система жила силами нашей команды.
