10 метрик, которые должен видеть дежурный

Во время аварии нужны не дашборды, а пять чисел, которые сразу сужают поиск.

Порядок просмотра важен: сначала внешняя картина (доступность и коды), потом ресурсы (CPU, память, диск), затем приложение (ошибки, очередь), затем зависимости (база, платёжка, CDN). Так вы за минуту отсекаете половину гипотез.

• Доступность: процент и длительность текущего простоя
• Коды ответов: 5xx против 4xx и их динамика
• Время ответа: p50 и p95, а не среднее
• CPU и load average
• Память и OOM-события
• Диск: свободное место и inode
• Ошибки приложения в логах за 15 минут
• Очередь задач и её длина
• Задержка базы данных и число соединений
• Внешние зависимости: платёжка, CDN, API партнёров

Держите эти метрики на одном экране: во время аварии никто не будет переключать десять вкладок. И обязательно проверяйте, что графики открываются с телефона — авария редко случается, когда вы за ноутбуком.

Ещё одна практика: после каждого инцидента добавляйте метрику, которой не хватило. Через несколько аварий дашборд станет ровно тем, что нужно, а не набором всего подряд.

Частые вопросы