Nowy standard. Twoje centrum tworzenia inteligentnego, szybkiego i zrównoważonego oprogramowania AI

Zobacz teraz
Słownik/Metryki wzrostu SaaS

Monitoring wydajności SaaS

Monitoring wydajności SaaS stale mierzy, jak szybko i jak niezawodnie usługa informatyczna odpowiada klientom.

Czym jest monitoring wydajności SaaS?

Dzięki monitoringowi wydajności zespół wie, że jakość działania usługi spadła, zanim pokaże to kolejka zgłoszeń, i może ustalić przyczynę, gdy coś się zepsuje. Szybkość i dostępność są częścią tego, za co płaci klient abonamentowy, a dostawca jako jedyny ma możliwość obserwowania jednego i drugiego.

W praktyce zbiera się trzy rodzaje sygnałów, tradycyjnie nazywane filarami obserwowalności. Metryki to numeryczne szeregi czasowe, takie jak liczba żądań, współczynnik błędów, opóźnienie i nasycenie. Logi to opatrzone znacznikiem czasu zapisy pojedynczych zdarzeń. Trace'y śledzą jedno żądanie przez wszystkie usługi, których dotknęło, zapisując, ile trwał każdy etap. Każdy z tych elementów odpowiada na inne pytanie, a zespół, który ma tylko metryki, widzi, że coś działa wolno, ale nie ma jak ustalić gdzie.

Pomiary prowadzi się z dwóch perspektyw. Instrumentacja po stronie serwera pokazuje, co zrobiła infrastruktura. Pomiary z rzeczywistych sesji, znane jako real user monitoring, pokazują, czego doświadczył klient, w tym warunki sieciowe i renderowanie w przeglądarce, których nigdy nie widać w metrykach serwerowych. Testy syntetyczne dodają trzecią perspektywę, uruchamiając według harmonogramu oskryptowane transakcje z ustalonych lokalizacji. Tylko w ten sposób da się wykryć awarię w okresie, gdy żaden klient akurat nie korzystał z funkcji, której problem dotyczył.

Monitoring i obserwowalność często traktuje się jak synonimy, ale opisują różne rzeczy. Monitoring śledzi sygnały, które ktoś wcześniej uznał za warte obserwowania. Obserwowalność to cecha systemu, która pozwala inżynierowi zadać pytanie, którego nikt nie przewidział, i uzyskać odpowiedź z danych już zbieranych. Większość zespołów potrzebuje obu, a o tej drugiej decyduje się już na etapie pisania instrumentacji.

Liczba, która ma znaczenie, prawie nigdy nie jest średnią. Średni czas odpowiedzi jest zdominowany przez zdecydowaną większość żądań i może pozostawać bez zmian, nawet gdy najwolniejsze pięć procent sesji wyraźnie się pogarsza. Miary percentylowe, takie jak p95 i p99, opisują doświadczenie klientów, którzy najprawdopodobniej będą się skarżyć, dlatego to do nich zapisuje się cele usługowe.

Jak monitoring wydajności SaaS chroni zobowiązania przychodowe?

  • Niezawodność to zobowiązanie kontraktowe, za którym stoją pieniądze. Umowy klasy enterprise zawierają zobowiązania dotyczące poziomu usług i klauzule kredytowe, a dostawca, który nie potrafi zmierzyć własnej dostępności, nie może obronić się w sporze o roszczenie ani wiedzieć, kiedy zbliża się do naruszenia warunków umowy. Pomiary muszą istnieć przed incydentem, bo po fakcie niczego nie da się odtworzyć.

  • Bez instrumentacji to klient staje się systemem monitoringu. Zespoły, które dowiadują się o awariach z тикетów wsparcia, działają z opóźnieniem wykrycia liczonym w godzinach i na sygnale, który pojawia się tylko od klientów na tyle zmotywowanych, by napisać. Ci cisi doświadczają tej samej awarii i traktują ją jako powód, by przy odnowieniu umowy rozważyć alternatywy.

  • Współdzielona infrastruktura ukrywa awarie pojedynczych klientów w zdrowych średnich. W systemie multi-tenant jedna organizacja może widzieć błędy przy każdym żądaniu, podczas gdy ogólnoplatformowy współczynnik błędów zmieni się o ułamek procenta. Monitoring, który przenosi identyfikator tenantu przez każdy sygnał, pozwala odróżnić incydent platformowy od problemu ograniczonego do jednego konta, a od tego zależy, kogo trzeba powiadomić.

Jak działa monitoring wydajności SaaS?

  • Usługi instrumentuje się tak, by emitowały sygnały. Kod aplikacji zapisuje metryki, ustrukturyzowane logi i span'y trace'ów, zwykle przez standardową bibliotekę taką jak OpenTelemetry, dzięki czemu dane nie są związane z formatem jednego dostawcy. Zasięg monitoringu jest tu czynnikiem ograniczającym: usługa bez monitoringu pozostaje niewidoczna dokładnie podczas incydentu, w którym ma to znaczenie.

  • Trace'y łączą elementy rozproszonego żądania. Identyfikator trace'a jest dołączany w punkcie wejścia i propagowany przez każde dalsze wywołanie, dzięki czemu możesz przypisać wolną odpowiedź konkretnemu zapytaniu do bazy danych albo zewnętrznemu API, które za nią odpowiada. W systemie z więcej niż kilkoma usługami to różnica między diagnozą w kilka minut a popołudniem zgadywania.

  • Pomiary z pola i testy syntetyczne obejmują to, czego nie pokażą metryki serwerowe. Instrumentacja przeglądarki raportuje czas renderowania i sieci z własnej maszyny użytkownika, a zaplanowane transakcje syntetyczne weryfikują, czy rejestracja albo checkout nadal działa z kilku regionów. Testy syntetyczne zapewniają też pokrycie w godzinach małego ruchu, gdy naturalnych sygnałów jest zbyt mało, by uruchomić alert.

  • Zespoły wybierają wskaźniki poziomu usług i ustalają dla nich cele. Zespół wybiera niewielką liczbę miar opisujących doświadczenie klienta, na przykład odsetek żądań obsłużonych poprawnie poniżej progu opóźnienia, a potem zobowiązuje się do osiągnięcia celu. Różnica między tym celem a perfekcją staje się budżetem błędów, co zamienia dyskusję o niezawodności w ćwiczenie rozliczeniowe.

  • Alerty uruchamiają się na podstawie objawów i trafiają do dyżuru. Dobre alerty opisują warunki widoczne dla klienta, na przykład sytuację, w której cel zużywa się szybciej, niż pozwala na to dany okres, zamiast wewnętrznych przyczyn takich jak pełny dysk. Ścieżka routingu i eskalacji jest częścią projektu, bo alert, za który nikt nie odpowiada, jest tylko powiadomieniem.

  • Incydenty są analizowane, a wnioski zmieniają instrumentację. Analiza po incydencie daje konkretną odpowiedź na pytanie, dlaczego wykrycie zajęło tyle czasu, a jej typowym rezultatem jest nowy sygnał, nowy próg alertu albo dashboard, który skróciłby diagnozę. Monitoring zbudowany raz i nigdy nieaktualizowany z czasem traci wartość, gdy pod spodem zmienia się architektura.

Z jakich narzędzi zespoły korzystają do monitoringu wydajności SaaS?

  • Komercyjne platformy obserwowalności: Datadog, New Relic i Dynatrace zbierają metryki, logi i trace'y w jednym produkcie oraz łączą je ze sobą, eliminując pracę integracyjną. Ich model cenowy opiera się na wolumenie danych.

  • Stosy monitoringu open source: Prometheus zbiera i przechowuje metryki, Grafana je wizualizuje, OpenTelemetry zapewnia neutralną wobec dostawców instrumentację, a Jaeger obsługuje trace'y rozproszone. Taki stos kosztuje czas inżynierski potrzebny do utrzymania, ale pozwala przewidywalnie kontrolować wydatki na telemetrię przy dużym wolumenie.

  • Śledzenie błędów i testy syntetyczne: Sentry przechwytuje wyjątki wraz ze stack trace'ami i kontekstem wydania, a Checkly i Pingdom uruchamiają zaplanowane transakcje z wielu regionów, by niezależnie od ruchu produkcyjnego weryfikować dostępność.

Jakie są kluczowe cechy monitoringu wydajności SaaS?

  • Percentyle opisują doświadczenie, a średnie je ukrywają. Wartość p99 reprezentuje najgorszy jeden procent żądań, co przy dużej bazie klientów oznacza tysiące sesji dziennie. Cele zapisane względem średnich można spełnić, nawet gdy rosnąca grupa klientów uznaje produkt za bezużyteczny.

  • Każdy sygnał powinien zawierać tożsamość tenantu. Metryki, logi i trace'y oznaczone organizacją pozwalają w kilka minut zawęzić incydent do dotkniętych nim klientów, a to decyduje zarówno o reakcji inżynierskiej, jak i o tym, co usłyszy zespół odpowiedzialny za konto.

  • Koszt telemetrii rośnie wraz z ruchem i krotnością etykiet. Dodanie do metryki wymiaru o dużej zmienności, takiego jak identyfikator użytkownika, zwielokrotnia liczbę przechowywanych szeregów czasowych. Kontrola kosztów jest ograniczeniem projektowym instrumentacji, a nie rozmową o fakturze po fakcie.

  • Alerty powinny opisywać objawy, które zauważyliby klienci. Uruchamianie dyżuru na podstawie wykorzystania zasobów prowadzi do częstych alertów o stanach, z którymi system poradził sobie sam. Alerty oparte na tempie zużycia celu pojawiają się rzadziej, a każdy z nich odpowiada czemuś, czego doświadcza klient.

  • Instrumentacja to kod, który trzeba utrzymywać. Nazwy metryk i pola logów psują się przy refaktoryzacji usług, a nic w standardowym zestawie testów nie wykryje dashboardu, który po cichu przestał otrzymywać dane.

Jakie korzyści daje monitoring wydajności SaaS?

  • Pogorszenie działania wykrywasz, zanim zgłoszą je klienci. Czas od pojawienia się problemu do chwili, gdy zespół się o nim dowie, skraca się z godzin do minut, a to zwykle robi różnicę między krótkim incydentem a publiczną awarią.

  • Diagnoza szybko się zawęża. Trace wskazujący jedno wolne zapytanie eliminuje poszukiwania między usługami, które inaczej pochłaniają większość czasu incydentu, i pozwala osobie reagującej usunąć przyczynę zamiast restartować kolejne elementy, aż objaw zniknie.

  • Decyzje o zasobach mają oparcie w danych. Historyczne dane o obciążeniu i opóźnieniach pokazują, gdzie zapas się kończy i który komponent nasyca się jako pierwszy, zastępując spór o skalowanie oparty na opiniach dyskusją opartą na krzywych wzrostu.

  • Zobowiązania usługowe da się obronić. Niezależny pomiar wzmacnia pozycję dostawcy w sporze o kredyty i z wyprzedzeniem ostrzega zespół, gdy miesięczny cel jest zagrożony.

  • Regresje wydajności są wychwytywane przy wdrożeniu. Porównanie opóźnień i współczynników błędów między wdrożeniami pozwala przypisać spowolnienie zmianie, która je wprowadziła, gdy inżynier, który ją napisał, wciąż pamięta kod.

Jakie wyzwania i kompromisy wiążą się z monitoringiem wydajności SaaS?

  • Wolumen alertów niszczy reakcję, którą miał wywołać. Przejście z alertów progowych na alerty oparte na tempie zużycia celu mocno ogranicza szum, ale jednocześnie podnosi próg tego, co zostaje zauważone, więc awaria ograniczona do kilku kont przestaje poruszać agregat na tyle, by kogokolwiek wezwać.

  • Wydatki na telemetrię rosną szybciej niż ruch. Próbkowanie trace'ów i agregowanie logów pomagają utrzymać rachunek w ryzach, ale próbki odrzucają rzadkie, nieudane żądania, od których zależą analizy opóźnień na ogonie, więc zespoły kończą na płaceniu za próbkowanie z naciskiem na ogon albo godzą się na wolniejszą diagnozę nietypowych przypadków.

  • Luki w pokryciu pojawiają się tam, gdzie nigdy nie dodano instrumentacji. Ujednolicenie tego na OpenTelemetry pozwala domknąć je spójnie we wszystkich usługach, a migracja dotyka każdej usługi w całym środowisku, ale oznacza też rezygnację z głębszych integracji specyficznych dla dostawcy, na których zespół może już polegać.

  • Dane po stronie serwera nie widzą środowiska klienta. Dodanie instrumentacji przeglądarki i regionalnych testów syntetycznych wypełnia tę lukę, ale wiąże się ze zbieraniem danych o sesjach pod rygorem obowiązków prywatności i z utrzymywaniem skryptów syntetycznych, które mogą testować ścieżki, jakimi nie podąża żaden klient.

Jaka jest różnica między monitoringiem a obserwowalnością?

Aspekt

Monitoring

Obserwowalność

Czym jest

Praktyką śledzenia zdefiniowanych wcześniej sygnałów

Cechą systemu, która pozwala wnioskować o jego stanie wewnętrznym

Na jakie pytanie odpowiada

Czy występuje znany stan

Dlaczego pojawia się to nieoczekiwane zachowanie

Wymaga przewidzenia awarii

Tak, każdy sygnał wybiera się z wyprzedzeniem

Nie, nowe pytania można zadawać na podstawie już zebranych danych

Typowe dane

Metryki i kontrole progowe

Trace'y o wysokiej krotności i ustrukturyzowane zdarzenia

Główny rezultat

Dashboardy i alerty

Zapytania eksploracyjne w trakcie analizy

Główny czynnik kosztowy

Liczba kontroli i okres retencji

Wolumen i wymiarowość przechowywanej telemetrii

FAQ o monitoringu wydajności SaaS

Powiązane pojęcia

Monitoring wydajności SaaS: potrzebujesz wsparcia ekspertów?

Monterail tworzy oprogramowanie na zamówienie z wykorzystaniem najnowszych technologii. Porozmawiajmy o tym, jak możemy pomóc w Twoim projekcie.

EXPLORE WEB DEVELOPMENT SERVICES