O que fazemos · Operações: Monitorização da frota e encaminhamento de alarmes
Cada máquina, switch, firewall, array de storage, régua de alimentação e endereço web de cliente pelo qual somos responsáveis é vigiado por uma plataforma Zabbix central, a cada minuto de cada dia. Quando algo corre mal, o alarme chega à frente do engenheiro de prevenção em segundos, normalmente antes de o primeiro visitante reparar no que quer que seja. Cada alarme recebe ainda uma segunda opinião de IA que corre nas nossas próprias GPU, dentro do nosso próprio datacenter.
O que é
- h2: O que é
Uma única plataforma de monitorização que vê toda a infraestrutura: sistemas operativos, bases de dados, equipamentos de rede, storage, energia, e as páginas que os seus clientes realmente carregam. Está ligada diretamente ao sistema de chat em que os nossos engenheiros vivem, para que um alarme seja uma mensagem para uma pessoa, não uma linha num log.
Nos clusters de clientes monitorizamos de dentro para fora. O sistema operativo, o motor da base de dados e a aplicação são medidos, e uma bateria de verificações HTTP reais pede as suas páginas reais, o checkout, o login, a página de artigo, o endpoint da API, e verifica que cada uma responde corretamente e depressa.
Como o construímos
-
h2: Como o construímos
-
Um agente em cada host. Cada servidor num cluster de cliente recebe o agente do Zabbix e o template completo do sistema operativo, e os hosts registam-se sozinhos no primeiro contacto, para que uma máquina nova nunca seja esquecida.
- Métricas de base de dados com um utilizador só de leitura. O estado da replicação, as ligações, o comportamento dos buffers e as consultas lentas são lidos através de uma conta de monitorização dedicada.
- As suas páginas, verificadas a partir do servidor. Acordamos consigo que URLs importam, normalmente dez a quinze, e verificamos cada um quanto ao código de estado, ao conteúdo e ao tempo de resposta.
- Alarmes para pessoas, não para caixas de correio. Os alarmes de severidade high e disaster seguem por webhook para um canal de operações dedicado no Mattermost, onde o engenheiro de prevenção já está, dia e noite. Depois de cada alteração à plataforma de monitorização provamos a cadeia de ponta a ponta com um alarme real, cronometrado do trigger até à mensagem.
- Uma segunda opinião de IA local. Regras filtram primeiro o ruído conhecido. Tudo o que sobra é analisado em tempo real por modelos de IA a correr nas nossas próprias GPU NVIDIA A100, dentro do nosso próprio datacenter. A análise correlaciona o alarme com eventos recentes, hosts relacionados e padrões conhecidos, e coloca uma segunda opinião ao lado do alarme para o engenheiro. Os seus dados de monitorização nunca saem da nossa infraestrutura e nunca são enviados para um serviço público de IA.
- Limiares afinados por host, nunca silenciados às cegas. Definimos overrides por host em vez de editar templates partilhados, para que afinar uma máquina nunca altere os alarmes de outra, e um trigger nunca é desligado só para pôr um painel a verde.
- O monitor é monitorizado. A própria plataforma de monitorização é auditada de cima a baixo (hardware, sistema operativo, base de dados, daemon, caminho de alerta) e corre numa base de dados de séries temporais comprimida, com retenção imposta.
Do que o protege
-
h2: Do que o protege
-
Uma falha de que ouve falar primeiro por um cliente.
- Um website que devolve uma página, mas a página errada, ou um erro vestido de página.
- Uma réplica de base de dados que deixou de replicar em silêncio há dias.
- Fadiga de alarmes: hosts a vermelho há meses, até ninguém olhar.
- Um sistema de monitorização que está ele próprio a falhar enquanto parece saudável.
Na prática
- h2: Na prática
O cluster de um editor de notícias, integrado numa manhã. Um editor de notícias mudou o seu cluster de aplicação para nós. Numa manhã, cada nó tinha o agente e o template completo, a base de dados tinha o seu utilizador de monitorização só de leitura, e uma bateria de quinze verificações de páginas reais, a cobrir a página inicial, as páginas de artigo e os feeds, estava em funcionamento, todas a verde. Desde esse dia, uma página de artigo lenta é algo que vemos primeiro.
Porquê a EuroVPS
-
h2: Porquê a EuroVPS
-
Uma plataforma vê os seus servidores, o seu caminho de rede, o seu storage e a sua energia, para que um sintoma seja seguido até à causa num único sítio.
- Os alarmes chegam a um engenheiro identificado, de prevenção 24/7, em segundos, com análise de IA em tempo real nas nossas próprias GPU NVIDIA A100 ao lado.
- Verificamos as suas páginas reais, não apenas se o servidor responde a um ping.
- Os limiares são afinados para as suas máquinas, não deixados nos valores por defeito do fabricante, que disparam à toa.
- As pessoas que leem o alarme são as pessoas que construíram a sua plataforma e a sabem reparar.
Perguntas frequentes
- h2: Perguntas frequentes
Posso ver os gráficos e os alarmes dos meus próprios servidores? Sim. Podemos dar-lhe acesso só de leitura aos seus hosts, ou enviar-lhe um resumo agendado. A maioria dos clientes limita-se a confiar que agimos sobre o alarme e lhes dizemos o que aconteceu.
Que páginas verificam? As que lhe dão dinheiro ou que o deixariam mal se falhassem. Acordamos a lista consigo no início e alteramo-la sempre que o seu website muda.
A IA envia os meus dados para algum lado? Não. Os modelos correm nas nossas próprias GPU NVIDIA A100, no nosso próprio datacenter. Nada sai da nossa rede, e nada vai para um serviço público de IA.
O que acontece quando um alarme dispara às 3 da manhã? Chega ao engenheiro de prevenção em segundos, que investiga de imediato. Se o afetar, recebe um ticket nosso, muitas vezes antes de ter reparado em alguma coisa.
Abrem tickets de forma proativa? Sim. Muitos dos nossos tickets começam do nosso lado, porque a nossa monitorização viu algo primeiro.
Se quer a sua plataforma vigiada por pessoas que respondem elas próprias ao alarme, Fale com um engenheiro.
O seu próximo parceiro de infraestrutura
Vamos analisar a sua infraestrutura.
Diga-nos o que executa hoje e o que precisa de melhorar. Um engenheiro vai analisar o seu pedido e ajudar a planear o passo seguinte.
+357 222 32280
Comecemos pela sua infraestrutura.
Um pouco de contexto ajuda-nos a começar a conversa certa.