Tout surveiller produit des alertes que personne ne lit, ce qui revient à ne rien surveiller. Cinq signaux couvrent presque toutes les pannes, et chacun a un seuil qui laisse le temps d'agir au lieu de vous annoncer que c'est déjà arrivé.

Les cinq

  • Le disque, à 80 %. Pas 95. Un disque qui se remplit dans la nuit met le site à terre jusqu'à ce que quelqu'un se réveille ; 80 %, c'est une tâche pour la matinée.
  • La mémoire, dès que le swap est utilisé. Du swap en usage veut dire que la machine se débat et que tout est déjà lent.
  • La charge, rapportée à votre nombre de cœurs. Alertez au double des cœurs tenu cinq minutes - un pic est normal, un plateau non.
  • L'expiration du certificat, à 21 jours. Le renouvellement tourne à 30 ; s'il n'a pas eu lieu à 21, quelque chose le bloque.
  • Le site lui-même, depuis l'extérieur. Tous les services peuvent être au vert pendant que la page renvoie 500.

De l'extérieur, pas depuis le serveur

Un contrôle qui tourne sur la machine qu'il contrôle ne peut pas vous dire que la machine est injoignable. Le contrôle le plus important est une requête HTTP depuis ailleurs, cherchant une chaîne précise sur la page - pas seulement un 200.

curl -fsS --max-time 10 https://yourdomain.com/ | grep -q 'Sign in' || alert

Gardez des alertes qui méritent d'être lues

Une alerte qui se déclenche chaque jour et qu'on ignore chaque jour est pire que pas d'alerte : elle apprend à tout le monde à ignorer le canal, y compris le jour où cela compte. Si quelque chose se déclenche et que vous ne faites rien, corrigez la cause ou supprimez l'alerte.

Surveillez la tendance, pas seulement le seuil

Un disque à 60 %, c'est bien. Un disque qui était à 40 % la semaine dernière, non : il sera plein dans quinze jours. Un graphique répond au « quand », ce qu'un seuil ne fait jamais.

EGPNL affiche processeur, mémoire, disque et trafic par serveur avec l'historique. Les offres infogérées y ajoutent le contrôle externe et l'astreinte, la partie qu'on ne peut pas automatiser.