什麼是可用性監控(Uptime Monitoring)?

了解 HTTP 探測如何驗證狀態碼與回應內容、如何依規則發出告警,以及選擇節點、探測頻率與可用率的統計方式。

最佳實務
網站與服務可用性監控主題插畫

首頁回傳 200 OK,背後的 API 卻可能正在報錯。某地區可以連線,另一個地區也可能逾時。可用性監控從指定節點定期探測網站或服務,記下回應是否符合預期。何時要通知應變人員,則由告警規則決定。

探測如何運作

探測任務依排程請求指定 URL,再檢查結果。

  • 狀態碼。 按端點的約定判斷。頁面可能需要回傳 200 OK,沒有回應主體的成功操作則可能回傳 204 No Content。也要決定是否跟隨重新導向。連線逾時或 TLS 交握失敗時,可能還沒收到 HTTP 狀態碼。
  • 回應時間。 記錄探測所需時間。若工具提供分段資料,可比對 DNS 查詢、建立連線、TLS 和收到第一個位元組的耗時。
  • 逾時。 依端點的預期耗時及工具支援範圍,設定多久未完成就算失敗。

一次探測失敗提供的是該次嘗試的線索。是否重試、等到連續失敗、比對多個地區或建立故障紀錄,由設定的規則決定。通知對象與值班轉派也要分開設定。

除了狀態碼,也檢查回應內容

應用程式可能對正常頁面和資料庫故障頁都回傳 200。要區分兩者,可在回應主體檢查內容。若需要回應主體,請用 GET。HEAD 回應沒有主體。

  • 確認回應中有代表註冊入口的穩定標記。
  • 檢查回應沒有「資料庫連線失敗」等錯誤文字。
  • 正常時若會穩定傳回某段元素標記,可檢查 <div id="pricing"> 等字串。

若有穩定的成功標記,可把狀態碼和內容條件一起用。通用頁首也可能出現在錯誤頁,文案還可能因語言或版本更動而觸發誤報。要確認 JavaScript 繪製或點擊操作,應另外使用瀏覽器探測。

從探測失敗到服務恢復

  1. 記錄失敗。 偵測結果符合設定條件時,產生異常事件。
  2. 通知人員。 透過已設定的管道送出通知。無人確認時要不要升級、多久升級、通知誰,由值班與通知規則決定。
  3. 確認並排查。 應變人員依團隊的事件流程接手處理。
  4. 確認恢復。 套用恢復條件,再依團隊流程更新或關閉故障紀錄。首次失敗與恢復的樣本顯示的是探測觀察到的時刻。

告警中應列出首次觀察到失敗的時間、錯誤類型、失敗節點分布,以及可取得的耗時資訊或相關日誌連結。狀態碼不符、TLS 失敗與缺少內容,各有不同的排查起點。

哪些端點值得監控

先列出使用者依賴的路徑,再替每一項選合適的探測。

  • 首頁與主要到達頁面。
  • 登入與註冊端點。
  • 下單或付款回呼等核心 API。若週期請求會產生實際交易,改用測試端點或隔離環境。
  • /healthz 等健康檢查端點。先弄清楚它實際檢查哪些相依服務。
  • CDN 上的 JavaScript、CSS 等重要靜態資源。

先定義分母,再計算可用率

按時間計算時,可用率等於納入統計的總時間減去中斷時間,再除以納入統計的總時間。如果完整計入 30 天,99.9% 允許中斷約 43.2 分鐘,99.99% 則約 4.32 分鐘。

探測成功率是所選節點與區間內,有判定結果的樣本中通過條件的比例。缺測與維護排除規則需要單獨說明。短暫中斷可能發生在兩次探測之間。服務可用性 SLI 也可以用實際請求的成功比例衡量,不能直接拿探測成功率換算使用者受影響時間。

設定後確認成功與失敗各一次

使用觀測雲 HTTP 撥測(簡體中文)設定預期狀態碼和回應內容。如果兩項都必須成立,在預設模式選「所有」,再選節點和排程。文件列出的最短 HTTP 任務預設週期是 1 分鐘,限商業版及以上。測試按鈕可檢查請求設定。所選節點能否連上端點,要看排程執行的結果。

在可用性資料偵測(簡體中文)設定偵測週期、查詢區間、門檻與恢復條件,再關聯告警策略(簡體中文)。探測任務與偵測的排程分開設定,連續觸發條件計算的是偵測評估次數。用受控測試重現成功、失敗與恢復,確認事件及通知符合預期。

彙整可用率時,保留探測週期、節點、統計區間與維護口徑。若要用於 SLA 核對,還得對照契約定義與服務的實際影響。

常見問題

探測週期越短越好嗎?

縮短週期有機會更早取得失敗樣本。假設固定每分鐘探測一次,故障剛好在一次成功之後發生,而且規則要求連續兩次排程探測失敗,第二次失敗探測約兩分鐘後才開始。請求逾時、偵測評估與通知傳送還可能增加等待時間。依業務可容許的偵測時間、工具支援週期、負載與成本取捨。

為什麼需要多個地區的節點?

比對節點有助於區分單一路徑問題和更大範圍的故障。可依使用者分布設定跨地區失敗門檻和時間窗。即使其他地區正常,受影響的地區也可以有自己的告警。

內部網路的服務怎麼監控?

將觀測雲的自建撥測節點(簡體中文)部署在能存取目標的網路內。節點的 DataKit 撥測收集器要允許內部網路任務,也要能連線至已設定的任務服務及資料上報端點。選用該節點後,在工作空間確認排程結果。

參考資料。HTTP HEAD 規範(英文) · Google SRE 的 SLI 說明(英文) · 觀測雲可用性監測(簡體中文)

取得專屬方案

聯絡我們

加入社群

微信扫码
加入官方交流群

立即體驗

在线开通,按量计费,真正的云服务!

立即開始

选择观测云版本

代码托管平台