Руководство пользователя GMonitML

Руководство пользователя по эксплуатации GMonitML

Обзор возможностей мониторинга

Данное руководство описывает, как использовать модули GMonitML для оперативного мониторинга, анализа проблем и принятия решений по эксплуатации IT-систем. Руководство ориентировано на операторов, DevOps-инженеров и системных администраторов.

Навигация по интерфейсу

Домашняя страница

После входа в GMonitML вы попадаете на домашнюю страницу, где отображается:

• Список сервисов: Все monitored приложения и сервисы
• Ключевые метрики: Общий статус здоровья системы
• Быстрый доступ: Ссылки на основные дашборды

Навигация между модулями

Используйте выпадающие меню в правом верхнем углу для перехода между модулями:

• APM: Application Performance Monitoring
• Infrastructure: Инфраструктурный мониторинг
• Distributed tracing: Распределенная трассировка
• RUM: Real User Monitoring

Мониторинг производительности приложений (APM)

Основные дашборды APM

Веб-транзакции

Назначение: Мониторинг HTTP-запросов и API-вызовов

Ключевые метрики для анализа:

• Время ответа: Среднее время обработки запросов
• Пропускная способность (Throughput): Количество запросов в секунду
• Apdex: Индекс удовлетворенности производительностью
• Процент ошибок: Доля неудачных запросов

Как использовать для операций:

1. Откройте дашборд “Web transactions”
2. Проверьте графики времени ответа по перцентилям (P50, P95, P99)
3. Выявите транзакции с наибольшим временем выполнения
4. Проанализируйте тренды производительности

Ошибки приложений

Назначение: Отслеживание и анализ ошибок в приложениях

Возможности:

• Графики частоты ошибок по типам транзакций
• Хитмап распределения ошибок
• Детальная информация по каждой ошибке (стектрейс, атрибуты)

Операционные сценарии:

При росте количества ошибок:
1. Перейдите на дашборд "Errors"
2. Отфильтруйте ошибки по времени и типу
3. Изучите стектрейсы наиболее частых ошибок
4. Определите затронутые сервисы и компоненты

Хранилища и базы данных

Назначение: Мониторинг работы с базами данных

Метрики для анализа:

• Время выполнения запросов к БД
• Количество соединений
• Использование пула соединений
• Медленные запросы

Рекомендации по эксплуатации:

• Настройте алерты при превышении порога медленных запросов (>1 сек)
• Мониторьте рост количества соединений
• Анализируйте паттерны запросов N+1

Обнаружение аномалий

Назначение: Предиктивное выявление отклонений от нормы

Принцип работы:

• Построение базовых линий поведения
• Статистический анализ (правило трех сигм)
• Три зоны: зеленая (норма), желтая (внимание), красная (критично)

Использование в операциях:

При срабатывании алерта аномалии:
1. Проверьте дашборд "Anomaly detection"
2. Определите тип аномалии (время ответа, пропускная способность, ошибки)
3. Сравните с историческими данными
4. Примите меры по стабилизации или эскалации

Инфраструктурный мониторинг

Мониторинг хостов

Дашборд Hosts: Сводные метрики по серверам

Ключевые показатели:

• CPU usage: Загрузка процессора (< 80% норма)
• Memory usage: Использование памяти (< 85% норма)
• Storage usage: Использование диска (> 20% свободно)
• Network traffic: Сетевой трафик
• Load average: Средняя загрузка системы
• Processes: Количество и статус процессов

Операционный контроль:

Критические пороги для алертов:
- CPU > 90% в течение 5 минут
- Память > 95% в течение 2 минут
- Диск < 5% свободного места
- Load average > количества ядер

Мониторинг контейнеров Docker

Дашборд Containers: Метрики по контейнерам

Показатели для каждого контейнера:

• CPU usage (ядра и процент)
• Memory usage (абсолютное и процент)
• Storage usage
• Network traffic (входящий/исходящий)
• Restarts (количество перезапусков)

Рекомендации по мониторингу:

• Настройте алерты на перезапуски контейнеров
• Мониторьте рост потребления ресурсов
• Отслеживайте сетевой трафик между контейнерами

Специализированный мониторинг

PostgreSQL

Метрики для анализа:

• Активные соединения
• Время выполнения запросов
• Использование индексов
• Размер базы данных

Redis

Ключевые показатели:

• Использование памяти
• Количество подключений
• Hit rate кэша
• Время отклика

NGINX

Метрики производительности:

• Количество запросов в секунду
• Время обработки запросов
• HTTP статусы ответов
• Использование worker процессов

Распределенная трассировка

Основные понятия

Трассировка: Полный путь запроса через все сервисы Span: Сегмент обработки в одном сервисе Trace ID: Уникальный идентификатор трассировки

Работа с дашбордом Distributed Tracing

Навигация:

1. Перейдите на домашнюю страницу сервисов
2. Выберите меню “Traces” → “Distributed tracing”

Фильтрация и поиск:

• По времени выполнения
• По наличию ошибок
• По сервисам и операциям
• По длительности

Анализ проблем

Сценарий: Медленная транзакция

1. Откройте дашборд Distributed Tracing
2. Отфильтруйте по времени (> 5 секунд)
3. Выберите проблемную трассировку
4. Проанализируйте каждый span:
   - Определите bottleneck (самый медленный span)
   - Проверьте внешние вызовы
   - Выявите проблемные сервисы

Сценарий: Ошибки в распределенной системе

1. Отфильтруйте трассировки с ошибками
2. Изучите span'ы с ошибками
3. Определите точку возникновения ошибки
4. Проследите распространение ошибки по цепочке

Мониторинг пользовательского опыта (RUM)

Web Vitals

Ключевые метрики:

• LCP (Largest Contentful Paint): Время загрузки основного контента (< 2.5 сек)
• FID (First Input Delay): Задержка первого взаимодействия (< 100 мс)
• CLS (Cumulative Layout Shift): Стабильность макета (< 0.1)
• FCP (First Contentful Paint): Время первого контента (< 1.8 сек)

Структура дашборда RUM

Домашняя страница: Общие метрики по веб-приложению Page Views: Анализ отдельных страниц Ajax: Мониторинг AJAX-запросов Errors: JavaScript ошибки Sessions: Записи пользовательских сессий

Практические сценарии эксплуатации

Сценарий 1: Расследование жалобы на медленную работу

1. APM → Web Transactions: Проверить время ответа
2. Distributed Tracing: Найти проблемные трассировки
3. Infrastructure: Проверить загрузку серверов
4. RUM: Оценить пользовательский опыт
5. Errors: Проверить наличие ошибок

Сценарий 2: Анализ роста потребления ресурсов

1. Infrastructure → Hosts: Проверить загрузку CPU/памяти
2. APM → Scalability: Анализ нагрузки на приложение
3. Containers: Проверить состояние контейнеров
4. Anomaly Detection: Выявить аномалии в поведении

Сценарий 3: Реагирование на алерт о высокой ошибочности

1. APM → Errors: Детальный анализ ошибок
2. Distributed Tracing: Найти проблемные транзакции
3. Dependency Check: Проверить внешние зависимости
4. Platform Monitoring: Анализ среды исполнения

Настройка алертов и уведомлений

Типы алертов

Производительность:

• Время ответа > порог
• Пропускная способность < минимум
• Apdex < 0.8

Ошибки:

• Процент ошибок > 5%
• Рост количества ошибок

Инфраструктура:

• CPU > 90%
• Память > 95%
• Диск < 10% свободно

Аномалии:

• Выход за пределы базовой линии
• Необычные паттерны поведения

Настройка каналов уведомлений

Поддерживаемые каналы:

• Email
• SMS
• Telegram
• Webhook
• Slack/Microsoft Teams

Лучшие практики эксплуатации

Регулярный мониторинг

Ежедневные проверки:

• Обзор ключевых метрик на домашней странице
• Проверка алертов и инцидентов
• Анализ трендов производительности

Еженедельный анализ:

• Детальный разбор аномалий
• Проверка эффективности алертов
• Анализ пользовательского опыта

Проактивный подход

Предиктивный мониторинг:

• Настройка алертов на ранние признаки проблем
• Регулярный анализ трендов
• Планирование capacity на основе метрик

Автоматизация:

• Настройка автоматических реакций на алерты
• Интеграция с системами управления инцидентами
• Автоматическое масштабирование при необходимости

Документирование

Ведение записей:

• Документирование инцидентов и их разрешения
• Фиксация порогов и базовых линий
• Обновление runbook’ов на основе опыта

Интеграция с процессами DevOps

CI/CD пайплайн

Автоматическое тестирование:

• Проверка производительности в CI
• Автоматические тесты с мониторингом
• Валидация метрик перед деплоем

Управление релизами

Мониторинг деплоев:

• Отслеживание метрик во время релиза
• Автоматический rollback при проблемах
• Анализ влияния изменений

Управление инцидентами

Процесс реагирования:

1. Получение алерта
2. Оценка влияния
3. Диагностика с помощью GMonitML
4. Принятие мер по устранению
5. Документирование и анализ

Полезные ссылки

• Функциональные характеристики
• Установка и настройка
• Поддержка жизненного цикла

Эффективное использование GMonitML позволяет оперативно выявлять проблемы, анализировать их причины и принимать обоснованные решения по эксплуатации IT-систем.