Какие ключевые метрики для мониторинга сайта или сервиса вы отслеживаете?

В DevOps я настраиваю мониторинг на основе четырех золотых сигналов и бизнес-метрик, используя стэк Prometheus/Grafana + Alertmanager.

Технические метрики (Four Golden Signals):

1. Задержка (Latency): Время обработки запроса.
   • http_request_duration_seconds (Prometheus) или p99 в распределенных трейсах (Jaeger).
2. Трафик (Traffic): Нагрузка на сервис.
   • Запросы в секунду (RPS/QPS): rate(http_requests_total[5m])
   • Пропускная способность сети.
3. Ошибки (Errors): Частота неудачных запросов.
   • Rate ошибок 5xx: sum(rate(http_requests_total{status=~"5.."}[5m])) / sum(rate(http_requests_total[5m]))
   • Ошибки 4xx (часто проблема клиента).
4. Насыщенность (Saturation): Загрузка ресурсов.
   • CPU usage: rate(node_cpu_seconds_total{mode="idle"}[5m])
   • Memory usage: node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes
   • Дисковое I/O, сетевые интерфейсы.

Специфичные для веб-метрики:

• TTFB (Time To First Byte): Ключевая метрика для пользовательского восприятия.
• Core Web Vitals (LCP, FID, CLS): Мониторинг через Google PageSpeed Insights или Real User Monitoring (RUM).
• Аптайм (Uptime): avg_over_time(up{job="my-service"}[1h])

Бизнес-метрики (пример):

• Conversion Rate (часто вычисляется в отдельной аналитической системе).
• Активные пользователи в секунду.

Пример алерта в Prometheus на высокую частоту ошибок:

- alert: HighErrorRate
  expr: sum(rate(http_requests_total{status=~"5.."}[5m])) / sum(rate(http_requests_total[5m])) > 0.05
  for: 2m
  labels:
    severity: critical
  annotations:
    summary: "Высокий процент ошибок 5xx для {{ $labels.job }}"

Главное — не просто собирать метрики, а настраивать осмысленные алерты по ним и дашборды для быстрой диагностики.