Nagios

Nagios sleduje hostiteľov a služby pomocou kontrol s definovaným výstupným stavom. Aktívne a pasívne kontroly majú odlišný mechanizmus doručenia výsledku.

Rozhodnutia pri návrhu

Nastavíme toleranciu krátkych výkyvov a závislosti medzi kontrolami. Stav bez výsledku musí zostať rozpoznateľný od normálnej prevádzky.

Príklad z pracovného postupu

Pri výpadku nadradeného sieťového prvku sa súčasne odmlčí viacero služieb. Operačný tím potrebuje rozlíšiť spoločnú príčinu od samostatných chýb. Pri teste preveríme závislosti a počet skutočne doručených oznámení.

Ako výsledok overiť

Zmeníme stav služby a overíme eskaláciu, potvrdenie upozornenia aj návrat do normálneho stavu.

Čas, význam a vlastník upozornenia

Pred nastavením výstrahy určíme, ktorý používateľský proces má chrániť. Chybovosť jednej služby a počet neuložených objednávok sa môžu líšiť. Pri malej prevádzke môže jediné zlyhanie vytvoriť vysoké percento, zatiaľ čo tichá služba nevráti žiadnu metriku.

Pravidlo preto potrebuje okno, význam chýbajúcej hodnoty, vlastníka zásahu a podmienku návratu do normálneho stavu. Pri spätnej kontrole sa pýtame, či by tím z oznámenia vedel rozhodnúť, ktorú operáciu preveriť.

Pôvodný odborný zdroj – Nagios

Nedostupná pobočka môže mať jedinú spoločnú príčinu

Ak má predajňa spoločnú internetovú prípojku pre pokladňu, tlačiareň aj skladový terminál, porucha pripojenia môže vyvolať viacero hlásení naraz. Z pohľadu centrálneho dohľadu je v takej chvíli isté len to, že sa k týmto zariadeniam nevie dostať.

Mapa závislostí pomáha určiť, ktorú správu má dostať službukonajúci pracovník ako prvú. Po obnovení pripojenia však treba samostatne skontrolovať aj služby za ním. Tlačiareň mohla mať vlastnú poruchu už pred výpadkom linky.

Otázky z praxe

Kedy má jediné neúspešné meranie vyvolať upozornenie?

Krátky výkyv môže zmiznúť skôr, než zasiahne používateľov. Počet opakovaní a intervaly vyberáme podľa kritickosti služby a prípustného oneskorenia oznámenia. Na pomalej databáze vyskúšame krátke preťaženie a skutočne dlhší výpadok, aby sa zachovala zmysluplná rovnováha medzi včasnosťou a množstvom hlásení.

Ako vyhodnotiť kontrolu, ktorá sa nedokázala vykonať?

Chýbajúci nástroj, nesprávne oprávnenie alebo vypršanie času môže znamenať, že monitoring nepozná stav služby. Tento výsledok musí byť rozoznateľný od bezchybného stavu aj potvrdeného výpadku. Pri kontrole údržby preto overíme schopnosť spustiť samotnú kontrolu a čas posledného vierohodného výsledku.

Má zmysel kontrolovať server aj konkrétnu aplikáciu?

Odpovedajúci hostiteľ nepotvrdzuje dostupnosť prihlasovania či zápisu zákazky. Definujeme kontrolu dostupnosti stroja a samostatnú kontrolu služby, ktorú využíva konkrétny pracovník. Pri ich súčasnom zlyhaní pomôžu závislosti s triedením hlásení. Po obnove stroja nám aplikačná kontrola ukáže pretrvávajúci problém.

Potrebujete poradiť?

Opíšte nám, čo potrebujete vyriešiť. Odpovedáme e-mailom.

O čo máte záujem?

Martin Michalka vám pošle návrh e-mailom. Opíšte jednu úlohu, ktorú vo firme robíte opakovane.

Ako vás máme kontaktovať?