Dringende alarmen vragen om een concrete actie
Een fictief geval scheidt dubbele foutmeldingen van waarschuwingen. Minder onderbrekingen alleen bewijzen nog geen hogere betrouwbaarheid.
Een urgente melding moet onderbreken omdat nu een zinvolle handeling nodig is. Hebben alle waarschuwingen dezelfde prioriteit, dan moet de bereikbaarheidsdienst de werkelijke indeling alsnog maken. Googles SRE-boek beschrijft hoe frequente onderbrekingen ertoe kunnen leiden dat ook relevante meldingen worden gescand of genegeerd.
10 meldingen zijn geen 10 incidenten
In een verzonnen geval melden 4 instanties dezelfde storing in de projectlijst. Daarbij komen 6 CPU-waarschuwingen die op dat specifieke moment geen onmiddellijke ingreep vereisen. De berekening 4 + 6 = 10 telt meldingen, geen onafhankelijke incidenten. Het team ontwerpt daarom deze verdeling:
Signaal | Beoordeling in het voorbeeld | Voorzien meldingspad |
|---|---|---|
4 meldingen over hetzelfde portaalprobleem | Gedeelde incidentcontext; betrokken instanties blijven zichtbaar. | 1 gegroepeerde urgente melding. |
6 CPU-waarschuwingen | Nu geen onmiddellijke ingreep nodig. | Zichtbare werklijst zonder urgente onderbreking. |
Deze verdeling is een redactioneel voorbeeld, geen gemeten beheerresultaat. De CPU-waarschuwingen blijven onder observatie. Hun onderzoek volgt alleen een ander meldingspad.
Minder onderbrekingen vragen behoud van context
Alertmanager ondersteunt groepering en doorsturen naar ingestelde ontvangers. Vergelijkbare meldingen worden één gedeelde notificatie, maar betrokken instanties moeten herkenbaar blijven. Alleen een gedeelde naam volstaat niet wanneer verschillende regio’s of verantwoordelijken onafhankelijk moeten worden behandeld.
Minder urgente berichten tonen geen lager foutpercentage of sneller herstel aan. Waarschuwingen verbergen of een melding kwijtraken levert de bereikbaarheidsdienst ook minder berichten op. Kwaliteit moet daarom ook worden getoetst aan gemiste problemen en een werkend meldingspad.
Wanneer een vroeg resourcesignaal urgent is
De aanbeveling betekent niet altijd wachten op zichtbare gebruikersfouten. Prometheus noemt capaciteitsgrenzen als reden voor menselijk ingrijpen voordat uitval ontstaat. Een dreigend kritisch opslagtekort of ontbrekende benodigde redundantie kan tijdig handelen bijvoorbeeld urgent maken.
De beoordeling verandert als uitstel aanzienlijke schade waarschijnlijk maakt en het benaderde team nu effectief kan handelen. Dan hoort ook een vroeg resourcesignaal op het urgente pad. Doorslaggevend zijn de verwachte concrete reactie en of die op tijd kan plaatsvinden; de categorie CPU, applicatie of infrastructuur alleen bepaalt dat niet.
Bronnen
Verder lezen
Alle artikelen
Cloud & beheer met ASES
Hosting, deployment, onderhoud en support