Server va ilovaning qaysi metrikalarini monitoring qilish kerak

Birinchi navbatda nimani kuzatish kerak

Metrikalar ikki darajaga bo‘linadi:

• Server resurslari — CPU, xotira, disk, tarmoq. “Temir yetarlimi?” degan savolga javob beradi.
• Ilova xatti-harakati — kechikish, so‘rovlar soni, xatolar. “Foydalanuvchiga qulaymi?” degan savolga javob beradi.

Ikkinchi darajadan boshlash kerak: foydalanuvchini CPU yuklamasi qiziqtirmaydi, uni sahifa sekin yoki xato bilan ochilishi qiziqtiradi. Resurslar esa sababni topishga yordam beradi.

To‘rtta oltin signal

Bu yondashuv Google SRE kitobidan olingan. So‘rovlarga xizmat ko‘rsatadigan har qanday servis uchun:

1. Latency (kechikish) — javob vaqti. O‘rtacha qiymatga emas, p95 va p99 persentillarga qarang: o‘rtacha qiymat sekin so‘rovlarni yashiradi.
2. Traffic (trafik) — soniyasiga so‘rovlar yoki boshqa yuklama ko‘rsatkichi.
3. Errors (xatolar) — muvaffaqiyatsiz javoblar ulushi: HTTP 5xx, taymautlar, noto‘g‘ri javoblar.
4. Saturation (to‘yinish) — servis chegarasiga qanchalik yaqin: navbatlar, ulanishlar puli, eng tor resursning yuklamasi.

RED va USE usullari

Bir-birini yaxshi to‘ldiradigan ikkita soddalashtirilgan chek-list.

RED — tashqaridan qarash, mijoz servisni qanday ko‘rishi. USE — ichkaridan qarash, tor joyni topish uchun.

Resurs metrikalari va sakrash nimani anglatadi

Quyidagi chegaralar qoida emas, boshlang‘ich nuqta. To‘g‘ri qiymatlar sizdagi odatiy yuklamaga bog‘liq.

CPU

• Nimani kuzatish: yuklama, yadrolar soniga nisbatan load average, iowait, virtual mashinalarda steal.
• Boshlang‘ich chegara: uzoq vaqt 80–90% dan yuqori yuklama — tekshirish uchun sabab.
• Sakrash odatda nimani anglatadi: trafik o‘sishi, og‘ir so‘rov yoki koddagi sikl, cron vazifasi. Yuqori iowait sekin diskka, yuqori steal provayderdagi yuklangan xostga ishora qiladi.

Xotira

• Nimani kuzatish: mavjud xotira (free emas, available), swap ishlatilishi, OOM killer hodisalari.
• Boshlang‘ich chegara: available doimiy ravishda 10–15% dan past yoki faol swap.
• Odatda nimani anglatadi: xotira oqishi (grafik faqat qayta ishga tushirganda tushadigan “arra” ko‘rinishida), haddan tashqari katta keshlar yoki pullar, yuklama o‘sishi.

Disk

• Nimani kuzatish: to‘lganlik, bo‘sh inode’lar, I/O kechikishi, IOPS.
• Boshlang‘ich chegara: 80–85% dan yuqori — ogohlantirish, 90–95% dan yuqori — shoshilinch.
• Odatda nimani anglatadi: rotatsiyasiz o‘sgan loglar, o‘sha diskdagi backup’lar, vaqtinchalik fayllar. I/O kechikishining o‘sishi — bazaga og‘ir so‘rovlar yoki bulutli disk limitining tugashi.

Tarmoq

• Nimani kuzatish: kiruvchi va chiquvchi trafik, xatolar va paket yo‘qotishlari, ulanishlar soni, TCP retransmitlar.
• Sakrash odatda nimani anglatadi: marketing rassilkasi yoki bot-trafik, DDoS, katta eksportlar, provayderdagi muammolar.

Ilova va biznes metrikalari

Tizim metrikalaridan tashqari quyidagilarni yig‘ish foydali:

• ma’lumotlar bazasi so‘rovlarining davomiyligi va sekin so‘rovlar soni;
• navbatlar hajmi va fon vazifalarini qayta ishlash vaqti;
• tashqi bog‘liqliklar — to‘lov shlyuzlari, API’lar, ularning kechikishi va xatolari;
• biznes metrikalari — ro‘yxatdan o‘tishlar, buyurtmalar, to‘lovlar. Serverlar “yashil” turganda buyurtmalarning keskin tushishi ko‘pincha nosozlikning birinchi belgisi bo‘ladi.

Alertlarni shovqinsiz qanday sozlash kerak

• Alert harakat talab qilishi kerak. Unga e’tibor bermaslik mumkin bo‘lsa, bu alert emas, grafik.
• Sabablarga emas, simptomlarga alert qo‘ying: “xatolar ulushi oshdi” “CPU 85%” dan muhimroq.
• Davomiylikdan foydalaning: shart bitta nuqtada emas, bir necha daqiqa davomida saqlanishi kerak.
• Darajalarni ajrating: ogohlantirish — chatga, kritik — navbatchiga.
• Chegaralarni qayta ko‘rib chiqing har bir intsidentdan keyin.

Ko‘p uchraydigan xatolar

• Faqat o‘rtacha kechikishga qarash.
• Serverni kuzatib, saytni tashqaridan tekshirmaslik (uptime tekshiruvlari).
• Jamoa ko‘nikib, javob bermay qo‘yadigan o‘nlab alertlar qo‘yish.
• Metrikalar tarixini saqlamaslik — usiz trendlar va odatiy daraja ko‘rinmaydi.