云上监控看什么：从延迟、错误和资源用量开始
评论 40作者：破壳网编辑部
监控应当帮助发现用户遇到的问题。把响应时间、错误情况和资源变化联系起来，比孤立观察一张图更有价值。
从用户体验定义指标
先确定哪些请求和功能对用户重要，再观察响应时间、成功率和异常类型。一个服务器资源指标正常，并不能直接证明所有业务功能都正常。
把变化放回时间线上
遇到异常时，比较部署、流量和配置变更的时间。结合日志与请求记录检查原因，避免看到资源用量上升就直接把它当成故障根源。
让告警带上处理方法
为重要告警说明影响范围、排查入口和负责人，定期检查是否存在大量无效通知。监控的目标是支持行动，而不只是积累更多曲线。
全部评论 模拟评论