Глоссарий

Термины, которые используются в справочнике. Для англоязычных терминов в скобках приведён оригинал: он пригодится при чтении документации к инструментам.

SLA (service level agreement): Соглашение об уровне обслуживания: обязательство перед клиентом с последствиями при нарушении. Обычно мягче внутреннего SLO, чтобы оставался запас.
SLI (service level indicator): Показатель уровня обслуживания: измеряемая величина, отражающая опыт пользователя. Например, доля запросов, выполненных успешно и быстрее 300 мс.
SLO (service level objective): Цель уровня обслуживания: целевое значение SLI за период, например 99,9% успешных запросов за 30 дней. Основа для алертов по бюджету ошибок.
Агрегация: Объединение нескольких временных рядов в один с помощью функции — суммы, среднего, максимума — с отбрасыванием части меток. См. правила записи.
Алерт (alert): Автоматическое уведомление о состоянии системы, требующем внимания. В справочнике различаются вызов дежурного и несрочные алерты, превращающиеся в задачи.
Аудит-лог: Журнал действий, значимых с точки зрения безопасности и ответственности: входы, изменения прав, финансовые операции. Не семплируется и хранится по отдельным правилам.
Бюджет ошибок (error budget): Допустимое количество неуспешных событий за период, вытекающее из SLO. При цели 99,9% бюджет составляет 0,1% запросов.
Временной ряд (time series): Последовательность значений метрики во времени для одного уникального сочетания имени и значений меток.
Вызов дежурного (page): Алерт, доставляемый так, чтобы прервать человека: звонок, push-уведомление с сигналом. Оправдан только для реальных, срочных проблем, требующих человека.
Гистограмма (histogram): Тип метрики, раскладывающий наблюдения по заранее заданным корзинам. Позволяет вычислять перцентили и агрегировать их между экземплярами.
Группировка алертов: Объединение алертов с одинаковыми метками в одно уведомление, чтобы одна проблема не порождала десятки сообщений.
Дайджест: Сводка несрочных событий за период, доставляемая одним сообщением в предсказуемое время.
Дашборд (dashboard): Набор графиков, отвечающий на конкретный вопрос о состоянии системы. См. как устроить дашборд.
Датчик (gauge): Тип метрики, значение которой может расти и убывать: длина очереди, объём занятой памяти.
Дедупликация: Подавление повторных уведомлений об уже известной проблеме до истечения интервала повтора.
Дежурство (on-call): Порядок, при котором назначенный инженер отвечает на вызовы в течение смены, включая нерабочее время.
Золотые сигналы: Четыре показателя, которые описывают состояние почти любого сервиса: задержка, трафик, ошибки и насыщение.
Идентификатор трассировки (trace ID): Уникальный идентификатор, передаваемый между сервисами вместе с запросом. Позволяет связать все записи лога и отрезки трассировки одного запроса.
Инструкция (runbook): Документ с первыми шагами диагностики и устранения для конкретного алерта. Ссылка на инструкцию обязательна для каждого правила вызова.
Карантин тестов: Временное исключение нестабильного теста из блокирующего прогона с сохранением его запуска в отдельном задании. Требует владельца и срока. См. карантин.
Кардинальность: Число уникальных временных рядов метрики, равное произведению количеств значений всех меток. Высокая кардинальность — основная причина перегрузки систем мониторинга.
Корреляция событий: Связывание записей логов, метрик и трассировок, относящихся к одному запросу или инциденту, обычно по идентификатору трассировки и времени.
Линтер (linter): Программа статического анализа, находящая вероятные ошибки и нарушения соглашений в коде без его запуска.
Ложное срабатывание (false positive): Сообщение о проблеме, которой нет. Частые ложные срабатывания приводят к усталости от алертов.
Лог (log): Журнал событий, записываемых приложением. Предназначен для расследования инцидентов, аудита и отладки.
Метка (label): Пара «имя — значение», уточняющая метрику: метод запроса, маршрут, класс кода ответа. Значения должны принадлежать небольшому известному множеству.
Метрика (metric): Числовое значение, измеряемое во времени. Основные типы — счётчик, датчик и гистограмма.
Насыщение (saturation): Степень загрузки самого ограниченного ресурса сервиса: пула соединений, процессора, дисковой очереди. Один из золотых сигналов.
Нестабильный тест (flaky test): Тест, который на одном и том же коде в одном и том же окружении иногда проходит, а иногда падает.
Перцентиль (percentile): Значение, ниже которого лежит заданная доля наблюдений. 99-й перцентиль задержки — время, в которое укладываются 99% запросов.
Подавление (inhibition): Скрытие алертов-следствий, пока активен алерт-причина. Например, при недоступности базы данных не сообщать об ошибках каждого зависящего от неё сервиса.
Правило записи (recording rule): Заранее вычисляемое выражение над метриками, результат которого сохраняется как новый временной ряд.
Пропуск (false negative): Проблема, о которой система не сообщила. Связан с ложными срабатываниями: снижение одного обычно увеличивает другое.
Ротация логов: Периодическое переименование, сжатие и удаление файлов логов по времени или размеру, чтобы ограничить занимаемое место.
Семплинг (sampling): Запись только части однотипных событий: каждого N-го или первых N за интервал времени.
Сигнал: Сообщение системы, которое приводит к полезному действию или меняет решение получателя. Противоположность шуму.
Скорость расходования бюджета (burn rate): Отношение фактической доли ошибок к допустимой. Скорость 1 означает, что бюджет закончится ровно к концу периода SLO.
Структурированный лог: Лог, в котором каждая запись — набор именованных полей (обычно в JSON), а не произвольная строка.
Счётчик (counter): Тип метрики, значение которой только растёт (сбрасываясь при перезапуске). Анализируется через скорость роста.
Трассировка (tracing): Запись пути запроса через сервисы в виде дерева отрезков с временем выполнения каждого.
Уровень логирования: Метка важности записи лога: DEBUG, INFO, WARNING, ERROR, CRITICAL. См. таблицу уровней.
Усталость от алертов (alert fatigue): Снижение внимания к уведомлениям из-за большой доли ложных срабатываний. Приводит к пропуску настоящих проблем.
Форматер (formatter): Программа, автоматически приводящая код к единому стилю. Убирает вопросы стиля из код-ревью.
Хук pre-commit: Проверка, автоматически выполняемая системой контроля версий перед созданием коммита.
Шум: Сообщение, которое отнимает внимание, но не приводит к действию. Определяется контекстом получателя. См. «Что такое шум».
Эскалация: Передача вызова следующему уровню, если текущий дежурный не подтвердил его за заданное время.