Co to jest monitoring uptime?
Monitoring uptime to regularne sprawdzanie z zewnątrz, czy usługa odpowiada, i zapisywanie wyniku każdego sprawdzenia. Z tych zapisów powstaje historia, a z historii liczy się dostępność, czyli udział czasu, w którym usługa działała, w całym mierzonym okresie.
Kluczowe jest słowo „z zewnątrz”. Serwer może uważać, że wszystko jest w porządku, podczas gdy z sieci nie da się do niego dojść, bo padł DNS, wygasł certyfikat albo firewall zaczął odrzucać połączenia. Dlatego pomiar prowadzi się z innej maszyny niż ta, którą mierzymy.
Drugie kluczowe słowo to „regularne”. Monitoring nie widzi wszystkiego, tylko to, co zdarzyło się w momencie sprawdzenia albo trwało dłużej niż odstęp między sprawdzeniami. Przy interwale pięciominutowym awaria, która trwała czterdzieści sekund, ma spore szanse przejść niezauważona.
Jak liczy się dostępność w procentach?
Wzór jest prosty: dostępność to czas działania podzielony przez czas całego okresu, pomnożony przez sto. Jeśli w trzydziestodniowym miesiącu usługa była niedostępna przez godzinę, dostępność wynosi 99,86%.
Cała trudność siedzi nie we wzorze, tylko w trzech decyzjach, które trzeba podjąć wcześniej. Co uznajemy za niedostępność: sam brak odpowiedzi czy także odpowiedź błędną albo za wolną? Od kiedy liczymy przestój: od pierwszego nieudanego sprawdzenia czy od potwierdzenia go drugim? Czy do okresu wliczamy zaplanowane przerwy techniczne?
Jeżeli tych trzech rzeczy nie ustalisz na piśmie, każdy spór o dostępność zamieni się w spór o definicję. To jest jedyny powód, dla którego warto poświęcić im pięć minut przed podpisaniem umowy, a nie po pierwszej awarii.
Ile minut przestoju kryje się za 99,9%, a ile za 99,99%?
Poniższe liczby liczą się z miesiąca trzydziestodniowego (43 200 minut) i roku 365-dniowego (525 600 minut). Warto je znać na pamięć, bo różnica między dwiema sąsiednimi dziewiątkami jest dziesięciokrotna, choć na papierze wygląda jak drobiazg.
99% to 7 godzin 12 minut w miesiącu
Rocznie 87 godzin 36 minut, czyli ponad trzy i pół doby. Taki poziom w praktyce oznacza brak jakichkolwiek zobowiązań.
99,9% to 43 minuty 12 sekund w miesiącu
Rocznie 8 godzin 45 minut. To najczęstszy zapis w umowach i realny cel dla usługi utrzymywanej bez nocnego dyżuru.
99,95% to 21 minut 36 sekund w miesiącu
Rocznie 4 godziny 23 minuty. Wymaga już procedury wdrożeń i kogoś, kto reaguje poza godzinami pracy.
99,99% to 4 minuty 19 sekund w miesiącu
Rocznie 52 minuty 34 sekundy. Tyle trwa jeden nieudany restart. Bez nadmiarowej infrastruktury i dyżuru nie da się tego dotrzymać.
Czy zaplanowane przerwy techniczne wliczać do dostępności?
To decyzja, a nie fakt, i obie odpowiedzi bywają uczciwe. Wyłączenie okna serwisowego z wyliczeń jest standardem w umowach, bo przerwa była zapowiedziana i klient mógł się do niej przygotować. Wliczenie go daje z kolei liczbę bliższą temu, co przeżył użytkownik, który akurat wtedy chciał kupić.
Ważne jest tylko jedno: żeby ta decyzja została zapisana i była taka sama w każdym raporcie. Raport, w którym raz odejmuje się okna serwisowe, a raz nie, jest gorszy niż brak raportu, bo wygląda na wiarygodny.
W Uptimo okno serwisowe wycisza alerty na czas prac, a to, czy wyłączyć ten okres z wyliczeń dostępności, jest osobnym ustawieniem. Dzięki temu nikt nie budzi dyżuru z powodu zaplanowanego wdrożenia, a raport dalej mówi prawdę.
Dlaczego dwa narzędzia pokazują różną dostępność tej samej strony?
Najczęstszy powód to interwał. Narzędzie sprawdzające co minutę zobaczy trzyminutową awarię jako trzy nieudane sprawdzenia, czyli około trzech minut przestoju. Narzędzie sprawdzające co pięć minut może zobaczyć ją jako jedno nieudane sprawdzenie albo nie zobaczyć wcale. Ta sama awaria, dwie różne liczby w raporcie.
Drugi powód to potwierdzanie. Część narzędzi ogłasza awarię po pierwszym nieudanym sprawdzeniu, część dopiero po drugim, żeby nie budzić nikogo z powodu chwilowego problemu z siecią. To zmniejsza liczbę fałszywych alarmów, ale też skraca zapisany czas przestoju.
Trzeci powód to miejsce pomiaru. Sprawdzenie wychodzi z konkretnego punktu w sieci, a awaria widoczna tylko dla części odbiorców, na przykład u jednego operatora, stamtąd może wyglądać jak zdrowa strona. W Uptimo sprawdzenia wychodzą dziś z jednego miejsca w Unii Europejskiej i mówimy to wprost.
Czwarty powód jest najciekawszy: definicja sukcesu. Jedno narzędzie uznaje za sukces kod 200, drugie obecność konkretnego tekstu na stronie, trzecie przejście całej ścieżki zakupowej. Im ostrzejszy warunek, tym niższa i tym uczciwsza liczba.
Czego dostępność nie mówi i co warto mierzyć obok niej?
Dostępność to jedna liczba na cały okres, więc gubi wszystko, co dzieje się w środku. Dwadzieścia krótkich przerw i jedna długa mogą dać ten sam procent, a dla klienta i dla zespołu to zupełnie inne sytuacje. Dlatego obok dostępności warto raportować liczbę incydentów i średni czas naprawy, czyli MTTR.
Dostępność nie mówi też nic o tym, czy usługa działała poprawnie. Sklep, w którym nie da się zapłacić, potrafi mieć 100% dostępności w raporcie liczonym z odpowiedzi serwera. To nie jest błąd wyliczenia, tylko konsekwencja tego, co kazano mierzyć: opisaliśmy to osobno w tekście o tym, dlaczego kod 200 nie wystarcza.
Praktyczny wniosek jest taki: raport SLA ma sens wtedy, gdy liczba w nim pochodzi ze sprawdzenia bliskiego temu, co robi klient. Dostępność ścieżki zakupowej jest zwykle o kilka dziesiątych procenta niższa niż dostępność strony głównej. Ta różnica to dokładnie ta część, którą klient odczuwa jako „u was ciągle coś nie działa”.
Raport, który klient przyjmie bez dyskusji
Uptimo liczy dostępność z historii sprawdzeń, pokazuje czas przestoju, liczbę incydentów i średni czas naprawy, a raport tygodniowy albo miesięczny wysyła sam, także na osobny adres klienta. Okna serwisowe i ich wpływ na wyliczenie ustawiasz świadomie.