Obserwowalnosc i SRE

Średni czas od wykrycia awarii do przywrócenia poprawnego działania usługi (Mean Time To Recovery/Repair).

Średni czas od wystąpienia awarii do jej wykrycia przez system monitorowania lub operatorów (Mean Time To Detect).

Własność systemu pozwalająca wnioskować o jego wewnętrznym stanie na podstawie zewnętrznych wyjść (metryk, logów, śladów) bez modyfikacji kodu.

Zbiór danych pomiarowych emitowanych przez system (metryki, logi, ślady) i przesyłanych do systemu analizy w celu monitorowania zachowania.

Dopuszczalna ilość niezawodności utraconej w okresie, wyznaczona jako dopełnienie celu SLO; wyczerpanie wstrzymuje wdrażanie zmian.

Stosunek bieżącego zużycia budżetu błędu do tempa, które wyczerpałoby go równomiernie w całym okresie; podstawa alertów wielookienkowych.

Ręczna, powtarzalna i zautomatyzowalna praca związana z utrzymaniem usługi, nieprzynosząca trwałej wartości i skalująca się z obciążeniem.

Przekazywanie identyfikatorów śladu i przedziału między usługami w nagłówkach żądań, umożliwiające powiązanie operacji w jeden ślad rozproszony.

Selektywne zachowywanie części śladów rozproszonych w celu ograniczenia kosztów przechowywania przy zachowaniu reprezentatywności danych.

Pojedyncza, nazwana jednostka pracy w śladzie rozproszonym, opisana czasem rozpoczęcia, trwaniem i atrybutami; podstawowy element budujący ślad.

Reprezentacja przebiegu pojedynczego żądania przez wiele usług, złożona z powiązanych przedziałów ukazujących ścieżkę i czasy wykonania.

Automatyczne wykrywanie warunków przekroczenia progów w telemetrii i powiadamianie odpowiedzialnych osób o potencjalnej awarii usługi.

Miara stopnia wykorzystania ograniczonego zasobu systemu względem jego pojemności; bliskość pełnego nasycenia zwiastuje degradację wydajności.

Cztery kluczowe wskaźniki monitorowania usługi: opóźnienie, ruch, błędy i nasycenie, zalecane jako minimalny zestaw sygnałów.

Spadek wrażliwości operatorów na powiadomienia wskutek nadmiaru fałszywych lub niedziałających alertów, prowadzący do ignorowania zgłoszeń.

Liczba unikalnych kombinacji etykiet metryki; wysoka wartość zwiększa koszt przechowywania i przetwarzania danych telemetrycznych.

Liczbowy pomiar agregowany w czasie, opisujący jeden wymiar zachowania systemu, np. liczbę żądań na sekundę czy zużycie pamięci.

Ciąg punktów pomiarowych uporządkowanych w czasie, identyfikowany nazwą metryki i zestawem etykiet, przechowywany w bazie szeregów czasowych.

Ustrukturyzowany przegląd incydentu po jego zażegnaniu w celu ustalenia przyczyn i działań naprawczych, prowadzony bez przypisywania winy.

Podejście organizacyjne skupiające analizę incydentów na czynnikach systemowych, a nie na winie jednostek, by zachęcać do otwartego raportowania.