Monitoring máy chủ: từ tài nguyên đến lỗi ứng dụng

Monitoring máy chủ cần trả lời hai câu hỏi: người dùng có sử dụng được dịch vụ không và nếu có lỗi thì bottleneck ở đâu. Chỉ nhìn CPU/RAM không đủ phát hiện database sai quyền, chứng chỉ hết hạn hoặc backup đã ngừng nhiều ngày.

Giám sát theo lớp

Một process đang running chưa chứng minh một giao dịch thành công. Health check nên thử điều kiện cần phục vụ nhưng tránh tạo giao dịch thật không kiểm soát. Tách kiểm tra hạ tầng với kiểm tra nghiệp vụ.

Metric, log và trace

Metric cho xu hướng và cảnh báo; log cho sự kiện cùng bối cảnh; trace giúp theo dõi một request đi qua nhiều bước. Bắt đầu với bộ tín hiệu có người sử dụng, không thu mọi thứ chỉ vì công cụ hỗ trợ.

Prometheus khuyến nghị tránh label có cardinality cao. Không gắn user ID hoặc request ID không giới hạn vào từng chuỗi metric. Dùng log/trace có kiểm soát cho chi tiết và giám sát chính hệ thống thu thập.

Đặt cảnh báo có hành động

Ngưỡng cần dựa vào baseline và mục tiêu dịch vụ. CPU cao trong batch hợp lệ không giống CPU cao kèm lỗi API. Cảnh báo nên có thời gian duy trì phù hợp để giảm nhiễu nhưng không che sự cố quan trọng.

Thông tin phải có khi phát cảnh báo

• Tên dịch vụ, môi trường và thời điểm.
• Metric hoặc sự kiện kích hoạt.
• Tác động tới người dùng nếu xác định được.
• Người nhận, mức ưu tiên và escalation.
• Link dashboard, log phù hợp và runbook.

Cảnh báo không có người xử lý chỉ tạo thêm tiếng ồn. Chốt kênh, người trực và người thay thế; kiểm tra thực tế đường gửi thông báo.

Giám sát ngoài host

Nếu monitoring chỉ nằm trên máy cần giám sát, mất máy có thể mất cả cảnh báo. Có kiểm tra ngoài host/site theo mức rủi ro. Không mở dashboard, exporter hoặc endpoint metric rộng ra Internet nếu không có kiểm soát truy cập.

Lộ trình triển khai nhỏ

1. Liệt kê dịch vụ quan trọng và mục tiêu latency/availability.
2. Thu metric host cùng tín hiệu ứng dụng tối thiểu.
3. Thêm kiểm tra external và backup.
4. Viết runbook cho các cảnh báo quan trọng.
5. Mô phỏng lỗi trong môi trường được phép.
6. Rà soát cảnh báo nhiễu và tài nguyên monitoring.

Theo dõi storage retention của log/metric, số series và tốc độ tăng dữ liệu. Monitoring cũng tiêu thụ CPU/RAM/disk; không để một cấu hình scrape quá dày làm chậm ứng dụng cần bảo vệ.

Xem máy chủ dedicated hoặc Cloud VPS. Khi thuê, hỏi monitoring của nhà cung cấp bao phủ lớp nào; cảnh báo mạng/host không tự thay giám sát ứng dụng của khách.