Glossar
Klare, verständliche Definitionen von Begriffen im Uptime-Monitoring: SLA, SLO, SLI, Fehlerbudget, MTTR, Heartbeat-Monitoring und mehr.
Die automatische Prüfung eines Dienstes in festen Abständen von einem oder mehreren externen Standorten. So lässt sich feststellen, ob der Dienst erreichbar ist und korrekt antwortet. Das Ergebnis wird gespeichert, damit Sie die Verfügbarkeit über einen Zeitraum nachvollziehen können.
Jeder Zeitraum, in dem ein überwachter Dienst unerreichbar ist oder seine Prüfungen fehlschlagen. Ausfallzeit wird vom ersten bestätigten Fehlschlag bis zur ersten bestätigten Wiederherstellung gemessen und ist das Gegenteil von Verfügbarkeit.
Verfügbarkeit als Prozentsatz eines Zeitraums. „Drei Neunen“ (99,9 %) erlauben etwa 43 Minuten Ausfallzeit pro Monat; „vier Neunen“ (99,99 %) etwa 4 Minuten. Je mehr Neunen, desto weniger Ausfallzeit ist erlaubt.
Ein vertragliches Versprechen zu einem Dienst, meist inklusive einer Zielverfügbarkeit (zum Beispiel 99,9 % pro Monat) und der Folgen bei Verfehlung, etwa Service-Credits. Ein SLA ist die externe, kundenorientierte Zusage.
Das interne Ziel, an dem sich ein Team misst, meist etwas strenger als jedes SLA. Ein SLO ist ein messbares Ziel - zum Beispiel 99,95 % erfolgreiche Prüfungen über 30 Tage - das Betriebsentscheidungen leitet, bevor ein Kundenversprechen gefährdet ist.
Die Messgröße, anhand derer ein SLO bewertet wird - das Verhältnis erfolgreicher Ereignisse zu allen Ereignissen. Bei der Verfügbarkeit ist dies meist der Anteil erfolgreicher Prüfungen; bei der Latenz der Anteil der Anfragen unter einem festgelegten Grenzwert.
Der Ausfallanteil, den ein SLO zulässt. Ein monatliches SLO von 99,9 % lässt 0,1 % Fehlerbudget - etwa 43 Minuten. Teams nutzen dieses Budget für Änderungen wie Bereitstellungen und Migrationen und schränken Änderungen ein, wenn es knapp wird. So wird Zuverlässigkeit planbar.
Die durchschnittliche Zeit vom Beginn eines Fehlers bis zur Wiederherstellung des Dienstes. Ein niedriger MTTR-Wert bedeutet kürzere Ausfälle. Schnelle Erkennung und klare Alarme helfen dabei. Deshalb sind die Alarmweiterleitung und Störungs-Workflows ebenso wichtig wie die Prüfung selbst.
Umgekehrtes Monitoring für Jobs, die nach Zeitplan laufen sollen. Statt den Job zu prüfen, lässt man ihn bei jedem Lauf eine URL anpingen; bleibt der erwartete Ping aus, feuert der Monitor. So erkennen Sie einen Cron-Job oder Worker, der still stehen bleibt.
Ein Ausfall wird vor dem Alarm durch Prüfungen aus mehreren geografischen Standorten bestätigt. Eine einzelne fehlgeschlagene Probe kann durch eine vorübergehende Netzwerkstörung auf einer Route verursacht sein. Die Bestätigung aus mehreren Regionen filtert Fehlalarme, damit nur bei tatsächlichen Ausfällen alarmiert wird.
Eine öffentliche Seite, die die aktuelle und historische Verfügbarkeit Ihrer Dienste zeigt sowie aktive Störungen oder Wartungen. Sie entlastet den Support während eines Ausfalls, indem Kunden eine einzige, vertrauenswürdige Stelle zum Nachschauen haben.
Ein fortlaufend aktualisierter Eintrag zu einer Dienstunterbrechung. Er hält fest, wann sie begann, was betroffen war, welche Meldungen veröffentlicht wurden und wie die Störung behoben wurde. Eine sorgfältige Dokumentation ergibt eine Zeitleiste, die Sie kommunizieren und aus der Sie lernen können.
Einen Dienst aktiv mit simulierten Anfragen nach Zeitplan prüfen, statt auf echten Nutzerverkehr zu warten, der ein Problem aufdeckt. Verfügbarkeits-, TCP-, DNS-, SSL- und Heartbeat-Prüfungen sind Formen von synthetischem Monitoring.
Die Zeit zwischen dem Senden einer Anfrage und dem Empfang des ersten Antwort-Bytes. Sie spiegelt die Latenz von Server und Netzwerk wider und ist ein wichtiger Messwert bei HTTP-Prüfungen. Ein steigender TTFB-Wert geht häufig einem vollständigen Ausfall voraus.
Ein TLS-Zertifikat auf bevorstehenden Ablauf sowie Ketten- oder Konfigurationsprobleme beobachten. Zertifikate laufen an einem festen Datum ab; ein Monitor, der Tage im Voraus warnt, verhindert den klassischen selbstverursachten Ausfall durch ein abgelaufenes Zertifikat.