Настройка SLA-мониторинга для веб-приложения под ключ

Веб-приложение в финтехе падает в 3 часа ночи, SLA обещает 99.9%, а ошибка конфигурации мониторинга стоит контракта. Реальный случай: клиент терял до 5% пользователей при каждом простое, пока мы не настроили корректные SLI и burn-rate алерты. SLA-мониторинг — это не просто uptime-чекер, а система измерения и управления надёжностью. Мы настраиваем его под ключ для веб-приложений любой сложности. Опыт 10+ лет, более 50 проектов с мониторингом, сертифицированные инженеры. Если вы не знаете, как отслеживать выполнение SLA, или хотите автоматизировать алерты — свяжитесь с нами, получите консультацию. Гарантируем прозрачность метрик и своевременные уведомления.

Какие метрики отслеживать в SLA?

SLA (Service Level Agreement) определяет целевые показатели. Availability (доступность) — формула: (total_time - downtime) / total_time * 100%. Для 99.9% SLA допустимо ~8.7 часов простоя в год, для 99.99% — 52 минуты.

Response Time — P95 и P99 важнее среднего: среднее скрывает хвост медленных запросов. Типичные цели: P95 < 500ms, P99 < 2s.

Error Rate — процент 5xx — цель < 0.1% для продакшена.

Как настроить SLA-мониторинг на Prometheus?

1. Определяем SLI (Service Level Indicators): uptime, P95/P99 latency, error rate, throughput.
2. Формируем SLO (Service Level Objectives): 99.9% uptime, P95 < 500ms, ошибки < 0.1%.
3. Записываем правила Prometheus для расчёта SLI/SLO и алертов по burn rate.

# Правило для availability SLO (цель: 99.9%)
- record: job:availability:ratio_rate5m
  expr: |
    1 - (
      rate(http_requests_total{status=~"5.."}[5m])
      /
      rate(http_requests_total[5m])
    )

# Алерт: SLO под угрозой (burn rate > 14.4x за 1 час)
- alert: SLOBurnRateTooHigh
  expr: |
    job:availability:ratio_rate5m < 0.999
    and
    rate(http_requests_total{status=~"5.."}[1h]) > 0
  for: 2m
  labels:
    severity: critical
  annotations:
    summary: "SLO availability at risk"

4. Настраиваем дашборд в Grafana для визуализации SLO, error budget и burn rate.
5. Добавляем внешние проверки (Pingdom, Blackbox Exporter) из разных точек мира.

Как выбрать инструмент сбора метрик?

Prometheus + Grafana даёт полный контроль и экономит бюджет, но требует DevOps-инженера для обслуживания. Datadog проще в развёртывании, но при больших объёмах метрик стоимость растёт в разы — Prometheus позволяет обрабатывать в 5 раз больше метрик на том же железе. Внешние мониторы вроде Uptime Robot — лёгкое дополнение, но не заменяют внутренних метрик. Выбор зависит от объёма данных и бюджета.

Почему error budget важен?

Error budget — допустимое время простоя за период (например, 43 минуты в месяц при SLO 99.9%). Он балансирует надёжность и скорость разработки: если бюджет не исчерпан — можно выпускать фичи быстрее, если исчерпан — приоритет — надёжность. Мы настраиваем автоматический расчёт error budget в Grafana и алерты при его исчерпании. Согласно Site Reliability Engineering от Google, error budget позволяет принимать обоснованные решения о релизах.

Одна из самых частых ошибок — установка слишком жёстких SLO без учёта стоимости инфраструктуры. Например, требование 99.99% доступности для внутреннего сервиса может увеличить затраты в 2–3 раза без ощутимой пользы. Другая ошибка — отсутствие валидации метрик: если Prometheus не снимает данные с нужного эндпоинта, SLA становится фикцией. Рекомендуем начинать с 99.9% и корректировать на основе данных.

Что входит в настройку SLA-мониторинга

• Установка и настройка Prometheus, Grafana, Alertmanager (на вашей инфраструктуре или в облаке)
• Прописывание SLI/SLO и алертов по burn rate
• Дашборд с SLO, error budget, трендами
• Внешние проверки (Uptime Robot или Blackbox Exporter)
• Автоматическая ежемесячная отчётность (PDF)
• Документация по мониторингу
• Доступы к дашбордам и алертам
• Обучение команды (1 час)
• Поддержка 2 недели после сдачи

На рынке более 5 лет, реализовали 50+ проектов с мониторингом. Используем только проверенные стеки, гарантируем SLA ответа инженера — 1 час. Получите консультацию — пишите. Закажите настройку SLA-мониторинга под ключ.

SLA-отчётность

Автоматический ежемесячный отчёт для бизнеса: фактический uptime vs целевой, список инцидентов, использование error budget, тренд. Grafana генерирует PDF по расписанию, для enterprise — Datadog SLO Reports.

Сроки настройки

Итоговый срок — от 5 до 8 рабочих дней в зависимости от сложности системы.

Мы регулярно сталкиваемся с ситуацией: «Сайт не открывается» в 3 часа ночи — и выясняется, что disk full на VPS, потому что логи nginx не ротировались полгода. Или сервер лёг под нагрузкой в день запуска рекламной кампании, потому что на shared хостинге стоял лимит в 50 одновременных соединений. Настройка хостинга и деплоя — это не про «где дешевле», это про то, что происходит в момент, когда что-то идёт не так. Наша команда помогает избежать таких инцидентов, проектируя инфраструктуру с учётом реальных паттернов нагрузки.

Когда выбирать Vercel и Netlify?

Vercel создан под Next.js — деплой в один push, preview deployments для каждого PR, автоматический CDN, Edge Functions, ISR без конфигурации. Для фронтенд-проектов и JAMstack это оптимальный выбор: нет операционной нагрузки, time-to-deploy измеряется минутами.

Ограничения реальные: Vercel Serverless Functions запускаются в us-east-1 по умолчанию (latency для Европы +80–100ms), Function timeout 300 секунд на Pro, Bandwidth 1TB/месяц на Pro. Для тяжёлого backend — нужны воркеры или отдельный сервер.

Netlify ближе к статике и Edge Functions на базе Deno Deploy. Build minutes — основное ограничение на бесплатном тарифе.

Почему Docker — основа предсказуемого деплоя?

«Работает на моей машине» — классика. Docker решает это через контейнеризацию окружения. Но плохой Dockerfile создаёт новые проблемы.

Типичная ошибка: копировать всё в образ без .dockerignore, получать 800MB образ вместо 80MB. node_modules внутри образа весит столько же. Правильно: multi-stage build.

FROM node:20-alpine AS builder
WORKDIR /app
COPY package*.json ./
RUN npm ci --only=production
COPY . .
RUN npm run build

FROM node:20-alpine AS runner
WORKDIR /app
COPY --from=builder /app/.next ./.next
COPY --from=builder /app/node_modules ./node_modules
COPY --from=builder /app/package.json ./package.json
EXPOSE 3000
CMD ["npm", "start"]

Итоговый образ: 180MB вместо 1.2GB. Время сборки CI сокращается из-за layer caching — если package.json не изменился, слой с npm ci берётся из кэша.

Docker Compose для локальной разработки и простых продакшен-сценариев: приложение + PostgreSQL + Redis в одной конфигурации. Для production на одном сервере — вполне рабочий вариант, если нет требований горизонтального масштабирования.

Подробнее о контейнеризации — Wikipedia: Docker.

Как настроить Nginx как reverse proxy?

Nginx перед приложением — стандарт для VPS и выделенных серверов. Основные функции: SSL termination, gzip, static files, rate limiting, upstream балансировка.

Конфигурация, которую часто делают неправильно: worker_processes auto — количество процессов равно числу CPU. worker_connections 1024 — это 1024 на каждый воркер-процесс. При 4 CPU и 1024 connections = 4096 одновременных соединений. Для высоконагруженного сайта нужно worker_connections 4096 и настройка keepalive_timeout 65.

Для статических ассетов с хешем в имени файла:

location ~* \.(js|css|woff2|png|webp)$ {
    expires 1y;
    add_header Cache-Control "public, immutable";
}

immutable сообщает браузеру: не проверяй этот файл даже при hard refresh. Правильно работает только с content-hashed именами файлов (что делает Vite/webpack по умолчанию). Документация — Wikipedia: Nginx.

AWS: гибкость и сложность

EC2 + Auto Scaling Group — классика для горизонтального масштабирования. AMI с предустановленным приложением, Launch Template, ASG с min/desired/max instances, Application Load Balancer. При CPU > 70% на 3 минуты — scale out, при CPU < 30% на 15 минут — scale in. Health check через ALB исключает нездоровые инстансы из ротации.

ECS Fargate — контейнеры без управления EC2. Деплой Docker-образа, задаёте CPU/память (512 CPU units = 0.5 vCPU, от 512MB памяти), Fargate запускает. Дороже Lambda, но нет cold start и нет timeout-ограничений. Подходит для long-running процессов, WebSocket-серверов, тяжёлых воркеров.

RDS для PostgreSQL с Multi-AZ: автоматический failover за 1–2 минуты при падении primary. Read Replicas для масштабирования чтения. RDS Proxy для connection pooling — Lambda-функции не умеют держать долгосрочные соединения, прокси буферизует это.

Kubernetes: когда это оправдано

K8s добавляет значительную операционную сложность. Оправдан, когда: несколько команд деплоят независимые сервисы, нужна тонкая настройка ресурсов на сервис, canary deployments и blue/green без простоя — требование.

AWS EKS, GKE или managed k8s от Hetzner (дешевле). Helm charts для стандартных сервисов. Horizontal Pod Autoscaler по CPU и custom metrics (RPS через Prometheus).

Для большинства стартапов и средних проектов — Kubernetes избыточен. ECS или Fly.io дают 80% возможностей при 20% операционной сложности.

Мониторинг и alerting

Сервер без мониторинга — это ожидание инцидента. Минимальный стек: Prometheus + Grafana (или Grafana Cloud для managed), alerting на disk > 80%, memory > 85%, CPU > 90% за 5 минут, error rate > 1%. Uptime через Better Uptime или Upptime (self-hosted).

Logs: Loki + Grafana или CloudWatch Logs Insights. Структурированные JSON-логи (winston, pino) — обязательно, иначе поиск по логам превращается в боль.

Что входит в настройку хостинга

• Аудит текущей инфраструктуры и профилирование нагрузки
• Выбор целевой архитектуры (VPS, AWS, serverless, Kubernetes)
• Настройка CI/CD pipeline (GitHub Actions, GitLab CI) с автоматическим деплоем
• IaC через Terraform или Pulumi (инфраструктура как код)
• Конфигурация Nginx, SSL-сертификаты, HTTP/2, brotli
• Мониторинг и алертинг (Prometheus + Grafana, PagerDuty)
• Документация runbooks и обучение команды

Дополнительно: пишите, если нужна миграция с текущего хостинга или интеграция с внешними сервисами.

Процесс работы

1. Аудит текущей инфраструктуры (2–5 дней)
2. Выбор целевой архитектуры с обоснованием по нагрузке и бюджету (1–3 дня)
3. Настройка CI/CD pipeline (GitHub Actions, GitLab CI) (2–5 дней)
4. IaC через Terraform или Pulumi (3–10 дней)
5. Настройка мониторинга и alerting (2–5 дней)
6. Документация runbooks и обучение команды (1–3 дня)

Наш опыт — 7 лет на рынке, более 50 проектов, гарантия работоспособности после деплоя.

Сроки

• Базовый деплой на VPS с Docker + Nginx + CI/CD: 1–2 недели.
• Настройка AWS инфраструктуры с Auto Scaling, RDS, CDN: 3–6 недель.
• Миграция на EKS с нуля: 6–12 недель.
• Настройка Vercel/Netlify для JAMstack: 3–5 дней.

Стоимость рассчитывается индивидуально в зависимости от сложности и объёма работ. Получите консультацию — оценим вашу архитектуру за один день.