پایشگر؛ داشبورد مانیتورینگ سرور و سرویس‌ها

پایشگر سامانه‌ی مانیتورینگ زیرساخت یک فروشگاه اینترنتی است: وضعیت سرورها، سرویس‌ها و کانتینرها، هشدار خودکار و صفحه‌ی وضعیت عمومی برای مشتریان.

چالش

قطعی‌ها معمولاً اول از طریق شکایت مشتریان مشخص می‌شد، لاگ‌ها روی چند سرور پراکنده بودند و تیم کشیک راه سریعی برای دیدن علت مشکل نداشت.

راهکار

• ایجنت سبک با Go روی هر سرور برای جمع‌آوری CPU، حافظه، دیسک، شبکه و وضعیت کانتینرهای Docker.
• بررسی دوره‌ای سرویس‌ها و APIها و ثبت آپتایم و زمان پاسخ p95.
• قواعد هشدار با ارسال به تلگرام و اپلیکیشن موبایل و امکان تأیید دریافت توسط فرد کشیک.
• نمای جزئیات سرور با نمودارها، کانتینرهای در حال اجرا و آخرین خطاهای لاگ.
• صفحه‌ی وضعیت عمومی با تاریخچه‌ی ۶۰ روزه و اطلاع‌رسانی رویدادها.

نتیجه

میانگین زمان تشخیص مشکل از حدود ۲۵ دقیقه به کمتر از ۲ دقیقه رسید و آپتایم ۳۰ روزه به ۹۹٫۹۴ درصد افزایش یافت.