Acerca del servicio
TraducidoConfigurar el monitoreo comienza con una conversación en lugar de con software: revisamos sus servicios y acordamos, por escrito, qué cuenta como un incidente y qué es ruido laboral ordinario. Una cola que crece durante diez minutos dentro de la ventana de respaldo es ruido; la misma cola creciendo al mediodía es un incidente. Hasta que se trace esa línea, cualquier sistema de monitoreo se convierte en una sirena que nadie escucha en la segunda semana.
Luego construyo las verificaciones. La disponibilidad se mide desde más de un lugar e incluye una revisión del contenido de la página: un servidor con una base de datos vacía devuelve un código de respuesta perfectamente saludable. Espacio libre en cada disco y la tasa a la que desaparece, carga de procesador y memoria, profundidad de colas en segundo plano, fechas de caducidad para certificados y renovaciones de dominio, y confirmación de que una copia de seguridad no solo comenzó, sino que terminó y puede ser restaurada. Cada verificación lleva una severidad, y la severidad decide el canal: una línea en un panel de control, un mensaje de chat o una llamada telefónica a las tres de la mañana.
Alrededor de las verificaciones viene la parte humana: un calendario de turnos, un camino de escalamiento para el caso de que la primera persona no responda, un panel de estado para la gestión escrito en el lenguaje del negocio en lugar de una pared de gráficos, y una revisión programada de umbrales. Tres cosas que declaro de antemano. Una alerta sin una instrucción es inútil: cada una viene con una nota que dice qué verificar primero y a quién llamar si eso no ayuda. Los umbrales se ajustan para que las notificaciones nunca lleguen en un flujo: una lista en la que la mitad de los disparadores son falsos deja de leerse por completo. El acceso a los servidores es personal y nombrado; no se utiliza una sola contraseña compartida para todo el equipo.
Lo que incluye el trabajo:
— una revisión de sus servicios y una lista acordada de lo que cuenta como un incidente;
— verificaciones de disponibilidad y contenido, espacio en disco, carga y monitoreo de colas;
— seguimiento de caducidad de certificados y dominios, verificación de que las copias de seguridad sean exitosas;
— enrutamiento de alertas por severidad en diferentes canales;
— un calendario de turnos con turnos y una escalera de escalamiento documentada;
— un panel de estado para la gestión y un breve informe periódico;
— una instrucción escrita para cada tipo de alerta;
— una revisión de umbrales después del primer mes, basada en estadísticas recopiladas.
Luego construyo las verificaciones. La disponibilidad se mide desde más de un lugar e incluye una revisión del contenido de la página: un servidor con una base de datos vacía devuelve un código de respuesta perfectamente saludable. Espacio libre en cada disco y la tasa a la que desaparece, carga de procesador y memoria, profundidad de colas en segundo plano, fechas de caducidad para certificados y renovaciones de dominio, y confirmación de que una copia de seguridad no solo comenzó, sino que terminó y puede ser restaurada. Cada verificación lleva una severidad, y la severidad decide el canal: una línea en un panel de control, un mensaje de chat o una llamada telefónica a las tres de la mañana.
Alrededor de las verificaciones viene la parte humana: un calendario de turnos, un camino de escalamiento para el caso de que la primera persona no responda, un panel de estado para la gestión escrito en el lenguaje del negocio en lugar de una pared de gráficos, y una revisión programada de umbrales. Tres cosas que declaro de antemano. Una alerta sin una instrucción es inútil: cada una viene con una nota que dice qué verificar primero y a quién llamar si eso no ayuda. Los umbrales se ajustan para que las notificaciones nunca lleguen en un flujo: una lista en la que la mitad de los disparadores son falsos deja de leerse por completo. El acceso a los servidores es personal y nombrado; no se utiliza una sola contraseña compartida para todo el equipo.
Lo que incluye el trabajo:
— una revisión de sus servicios y una lista acordada de lo que cuenta como un incidente;
— verificaciones de disponibilidad y contenido, espacio en disco, carga y monitoreo de colas;
— seguimiento de caducidad de certificados y dominios, verificación de que las copias de seguridad sean exitosas;
— enrutamiento de alertas por severidad en diferentes canales;
— un calendario de turnos con turnos y una escalera de escalamiento documentada;
— un panel de estado para la gestión y un breve informe periódico;
— una instrucción escrita para cada tipo de alerta;
— una revisión de umbrales después del primer mes, basada en estadísticas recopiladas.
