Кто занимается мониторингом проблем на production

Мониторинг проблем на production обычно распределён между несколькими командами:

1. DevOps/SRE – настраивают и поддерживают системы мониторинга (Prometheus, Grafana, ELK, Datadog), алертинга и логирования. Они первыми видят инциденты по метрикам (CPU, память, ошибки).

2. Support/QA – отслеживают пользовательские репорты через тикет-системы (Jira, Zendesk), проверяют воспроизводимость проблем.

3. Разработчики – анализируют стектрейсы, логи (Kibana, Splunk) и метрики для поиска root cause. Часто участвуют в on-call ротации.

Пример алерта в Prometheus:

alert: HighErrorRate
expr: rate(http_requests_total{status=~"5.."}[5m]) > 10
for: 10m
labels:
  severity: critical
annotations:
  summary: "High error rate on {{ $labels.instance }}"

Важно: процессы должны быть задокументированы (runbooks), а все команды синхронизированы через чат-оповещения (Slack, PagerDuty).