Поговорим о том, зачем нужен мониторинг, на какие метрики надо смотреть, чтобы быть уверенными, что приложение работает. Разберём, что такое «золотые сигналы». Заведём в рельсовое приложение мониторинг с помощью Прометеуса, Графаны и Ябеды.

Результат:

• Поймёте зачем нужен мониторинг и как он помогает не только техническим специалистам, но и бизнесу.
• Научитесь ориентироваться в метриках, на основе которых строится мониторинг — технические, инфраструктурные и бизнесовые метрики.
• Соберёте связку Прометеус-Графана-приложение, чтобы добавить первые дэшборды в ваше приложение.

Содержание:

• Зачем нужно мониторить приложение?
• Какие бывают мониторинги
• На какие метрики смотреть?
• Технические метрики (Latency, Traffic, Errors, Saturation)
• Инфраструктурные метрики
• Бизнесовые метрики

Посмотрим на систему, которую собрали на прошлом воркшопе. Сравним системы сбора метрик и дэшбодров между собой — беплатные, платные, облачные и т.д.

Разберёмся, почему дэшбордов недостаточно для полноценного мониторинга приложений. Алерты — по каким метрикам настраивать, какие пороги выбирать, как обрабатывать. Алерты предвосхищающие проблемы — z-index и Нострадамус.

Трассировка запросов — зачем нужна, какие инструменты использовать, хорошие практики для построения систем.

Результат:

• Разберётесь с множеством систем мониторинга и сможете выбрать наиболее подходящую
• Научитесь настраивать алертинг - выставлять пороги срабатывания, поймёте в каких случаях нужны ночные звонки, а в каких можно обойтись без них.
• Поёмете, зачем нужна трассировка во взаимодействии между сервисами, как её организовать и как использовать при поиске проблем.

Содержание:

• Опенсорсные решения (Prometheus, Grafana, Grafana OnCall, Zabbix)
• Коммерческие решения (Datadog, New Relic, Dynatrace, Okmeter)
• Быстрый поиск проблем
• Сквозная трассировка запросов (Jaeger, Zipkin)
• Алертинг
• Предсказание проблем

Пройдемся от алертов к причинам их возникновения — инцидентам. Ответим на вопросы: что считать инцидентом? Что делать, чтобы их было меньше? Обсудим регламенты работы, подсказки для сложных ситуаций, дежурства, разборы причин и планирование улучшений.

Поговорим об SLI, SLO, SLA и подходах, которые помогут вам договориться с бизнесом о том, что значит «стабильное приложение» и сколько это будет стоить.

Затронем нагрузочное тестирование приложения. Что такое хаос тесты и когда они вам могут пригодится? Сделаем обзор практик по хаос-инжинирингу.

Результат:

• Поймёте, как внедрить в компании процесс инцидент-менеджмента.
• Узнаете, как договориться с бизнесом о приемлемых диапазонах простоя приложения.
• Сможете убедить бизнес, что 100% работоспособности — это не то, чего он хочет.
• Разберётесь, как подготовится к большим нагрузкам с помощью нагрузочного тестирования. И как протестировать систему на отказ с помощью хаос-тестов.

Содержание:

• Фазы работы над инцидентом
• Роли участников процесса
• Организация с точки зрения процесса и технической реализации
• Метрики стабильности (SLI, SLO, SLA)
• Нагрузочное тестирование
• Хаос-тесты