Monitoring, das Sie nicht wegen jeder Kleinigkeit weckt
Unterscheiden Sie echte Incidents von kurzen Schwankungen und richten Sie verlässliche Benachrichtigungen ein.
Wenn täglich zwanzig Alarme eintreffen und die meisten keinen Eingriff verlangen, gewöhnt sich das Team daran, sie später zu lesen. Ein echter Ausfall bekommt dann dieselbe Aufmerksamkeit wie ein kurzer Netzwerkfehler. Ein hilfreicher Alarm hat einen klaren Anlass, einen konkreten Empfänger und eine sinnvolle nächste Handlung.
Beginnen Sie mit den Auswirkungen auf Nutzer
Eine ausgefallene Anmeldung ist etwas anderes als eine kurze CPU-Spitze. Ressourcenmessungen helfen bei Diagnose und Planung, aber nicht jede Abweichung muss jemanden wecken. Trennen Sie dringende Incidents, Hinweise für die nächste Arbeitszeit und Informationen, die nur in einen Graphen gehören.
Beschreiben Sie für jeden dringenden Alarm die erwartete Reaktion. Können Sie nicht sagen, was der Empfänger tun soll, muss die Regel genauer werden. Allein die Existenz einer Metrik rechtfertigt keine Benachrichtigung.
Bestätigung kostet Zeit und reduziert Fehlalarme
Ein fehlgeschlagener Versuch kann ein vorübergehender Verbindungsfehler sein. Mehrere Fehlprüfungen oder unabhängige Bestätigung reduzieren Störungen, verzögern aber den Alarm. Passen Sie Intervall und Bedingungen an den Dienst an. Bei Zahlungen kann langes Warten unvertretbar sein, bei einem internen Bericht weniger kritisch.
Bestätigen Sie nach der Wiederherstellung einen ausreichend stabilen Zustand. Sonst wechselt ein Dienst nahe seiner Timeout-Grenze laufend zwischen Ausfall und Erholung. Verbergen Sie aber keine wiederkehrenden kurzen Ausfälle: Auch sie können Kundenabläufe stören.
Erreichen Sie jemanden, der handeln kann
Ordnen Sie Dienste Kontaktgruppen zu und benennen Sie eine Vertretung. Für weniger dringende Aufgaben kann E-Mail genügen. Kritische Dienste brauchen einen Kanal, den das Team tatsächlich verfolgt. Prüfen Sie die Zustellung kontrolliert. Eine gültige Adresse garantiert nicht, dass jemand den Alarm bemerkt.
Planen Sie Wartung und pflegen Sie die Regeln
Unterscheiden Sie geplante Ausfallzeiten von Incidents und begrenzen Sie deren Dauer. Schalten Sie einen Monitor nicht unbefristet stumm. Untersuchen Sie bei wiederkehrenden Fehlalarmen die Ursache, statt nur den Timeout zu erhöhen. Vielleicht prüfen Sie den falschen Endpunkt oder übersehen ein echtes Problem.
- Name und Adresse des betroffenen Dienstes.
- Beginn und genaue Fehlererscheinung.
- Link zum Prüfverlauf und Diagnoseablauf.
- Verantwortliche Person und Ersatzkontakt.
Was Sie mitnehmen
Das Ziel ist nicht die kleinste Alarmzahl um jeden Preis. Jeder dringende Alarm soll die jetzt benötigte Information liefern und zu einer nützlichen Reaktion führen.
