مانیتورینگ سرور چیست و چه چیزی را باید پایش کرد؟
مانیتورینگ خوب آن نیست که بیشترین نمودار را داشته باشد؛ آن است که وقتی چیزی درست کار نمی‌کند، سریع و بدون سروصدای اضافه خبر بدهد.
سه لایهٔ پایش
- در دسترس‌بودن — آیا سرویس اصلاً پاسخ می‌دهد؟ سبک‌ترین و مهم‌ترین لایه.
- منابع — مصرف پردازنده، حافظه، دیسک و شبکه؛ برای دیدن روند پیش از رسیدن به سقف.
- رفتار اپلیکیشن — زمان پاسخ، نرخ خطا و کندی مسیرهای مشخص.
ترتیبشان تصادفی نیست. اگر فقط وقت یکی را داری، اولی را بردار: سروری که پاسخ نمی‌دهد، مهم نیست نمودار حافظه‌اش چه شکلی است.
در هر لایه دقیقاً چه چیزی؟
| لایه | چه چیزی را ببین | چرا |
|---|---|---|
| در دسترس‌بودن | پاسخ HTTP از بیرون سرور، نه از خودش | سرویسی که از داخل سرور جواب می‌دهد ممکن است از اینترنت در دسترس نباشد؛ مشکل فایروال و DNS فقط از بیرون دیده می‌شود. |
| در دسترس‌بودن | تاریخ انقضای گواهی SSL | یکی از رایج‌ترین قطعی‌هاست و کاملاً قابل پیش‌بینی. هشدارش باید هفته‌ها زودتر بیاید، نه روز آخر. |
| منابع | درصد پر بودن دیسک و روند رشدش | دیسک پر، سرویس را متوقف می‌کند و اغلب لاگ‌ها هم همان‌جا قطع می‌شوند. |
| منابع | حافظهٔ آزاد و میزان swap در حال استفاده | ورود به swap معمولاً اولین نشانهٔ کندی است، قبل از اینکه چیزی از کار بیفتد. |
| منابع | load average نسبت به تعداد هسته | عدد خام بدون تعداد هسته معنا ندارد؛ این را جدا توضیح داده‌ایم. |
| اپلیکیشن | زمان پاسخ در صدک ۹۵، نه میانگین | میانگین، کندی اقلیت کاربران را پنهان می‌کند. صدک ۹۵ همان چیزی است که کاربر ناراضی تجربه می‌کند. |
| اپلیکیشن | نرخ خطاهای ۵xx | رشد ناگهانی‌اش معمولاً زودتر از هر شاخص دیگری مشکل را نشان می‌دهد. |
چه چیزی ارزش هشدار دارد؟
هشدار زیاد بدتر از هشدار کم است؛ چون تیم به آن عادت می‌کند و دیگر جدی نمی‌گیرد. هشدار را برای چیزهایی نگه دار که واقعاً نیاز به اقدام دارند:
- سرویس پاسخ نمی‌دهد یا کد خطا برمی‌گرداند.
- فضای دیسک به آستانه‌ای رسیده که به‌زودی پر می‌شود.
- مصرف حافظه به‌طور پیوسته بالا می‌رود و برنمی‌گردد.
- زمان پاسخ به‌طور معنادار از حالت عادی فاصله گرفته است.
یک آزمون ساده برای هر هشدار: اگر نصف شب بیاید، کسی بلند می‌شود و کاری می‌کند؟ اگر جواب نه است، آن هشدار نیست — یک نمودار است. بگذارش در داشبورد، نه در مسیر هشدار.
چیزهایی که مانیتورینگ معمولاً نمی‌بیند
این‌ها خرابی‌هایی هستند که همهٔ نمودارها را سبز نگه می‌دارند و باز هم روز بدی می‌سازند:
- بکاپی که هر شب موفق گزارش می‌شود ولی هرگز بازیابی‌اش آزموده نشده. استراتژی بکاپ دقیقاً دربارهٔ همین است.
- پر شدن inodeهای دیسک در حالی که فضای خالی هنوز نشان داده می‌شود — معمولاً از میلیون‌ها فایل کوچک موقت.
- سرویسی که بالا هست ولی کار درست انجام نمی‌دهد: صف ایمیل که ارسال نمی‌شود، کرانی که خطا می‌دهد و کسی لاگش را نمی‌خواند.
- وابستگی بیرونی: درگاه پرداخت، سرویس پیامک یا API طرف سوم. سرور شما سالم است و کاربر باز هم نمی‌تواند خرید کند.
- انقضای دامنه. هیچ شاخص سروری آن را نشان نمی‌دهد.
اگر از صفر شروع می‌کنی
لازم نیست روز اول همه‌چیز را بسازی. این ترتیب، بیشترین پوشش را با کمترین کار می‌دهد:
- یک بررسی HTTP از بیرون، هر یکی دو دقیقه، روی صفحهٔ اصلی و یک مسیر مهم دیگر.
- هشدار فضای دیسک و هشدار انقضای گواهی SSL.
- یک مقصد مشخص برای هشدارها که کسی واقعاً می‌بیندش — نه ایمیلی که در پوشهٔ خوانده‌نشده می‌ماند.
- بعد از این سه، سراغ نمودارهای منابع و رفتار اپلیکیشن برو.
مطالب مرتبط
این مطلب بخشی از راهنمای مدیریت سرور است.
