Co všechno zahrnout do alertingu pro problémy se serverem?

Takže co se týče alertingů pro servery, určitě bys měl mít pokryté základní věci jako CPU, paměť a diskový prostor. Ale to není vše, co bys měl sledovat. Je dobré mít i monitorování diskového I/O, síťové latence a dostupnosti služeb. Když máš aplikace běžící na serverech, tak je fajn mít alerty i na tyhle specifické aplikace, aby ses dozvěděl o problémech hned, jak nastanou.

Co se týče frekvence notifikací, já bych šel do toho, že chci vědět o problémech hned – lepší mít trochu hluku než přehlédnout něco důležitého. Existuje spousta nástrojů na monitoring, třeba Prometheus nebo Grafana, které ti můžou pomoct s alertingem. Notifikace bych doporučil posílat e-mailem nebo přes nějakou chatovací aplikaci, to je rychlé a přehledné.

A co se týče uživatelských rolí, tak určitě nastavuj alerty podle toho, kdo co potřebuje vědět. Ne každý administrátor potřebuje stejné informace. Takže shrnuto, zaměř se na klíčové metriky, zahrň aplikace a nastav to tak, aby to bylo efektivní pro tým.

Takže co se týče alertingu pro servery, určitě se vyplatí sledovat víc než jen CPU a RAM. Diskový I/O, latence sítě a dostupnost služeb jsou fakt důležitý. Když máš nějaký aplikace, tak je dobrý mít i alerty přímo na ně, protože problém může být v aplikaci a ne na serveru. Co se týče notifikací, já bych šel spíš do real-time alertů. Je lepší dostat hned vědět, když je něco špatně, než čekat na denní reporty. Ale zase pozor na to, aby to nebylo moc hlučný. O nástrojích – hodně lidí používá Zabbix nebo Prometheus, ale taky záleží na tom, co ti sedí víc. Notifikace bych posílal různě – e-mail, Slack nebo SMSka, podle toho, co mají lidi rádi. A ohledně rolí – určitě rozdělit alerty podle úrovně administratorů, ať každý ví, co potřebuje. Tak to vidím já.