Моніторинг SLO: дашборд для uptime, помилок та продуктивності

Проблема: середні метрики маскують збої

Сервіс показує 99,9% uptime, але error budget згорає за 3 дні. Типова помилка — метрики рахуються за середнім, а не за процентилями. Користувачі скаржаться на гальма, а дашборд каже «все добре». За багаторічну практику ми впровадили моніторинг для десятків проєктів — від стартапів до enterprise. Команда бачить 99,9% аптайму, але SLO порушується через повільні запити. Причина — усереднення метрик та ігнорування процентилів. Щоб цього уникнути, потрібен дашборд, який за 5 секунд відповість: чи виконуємо ми SLO прямо зараз? Нижче — практичний гайд з його побудови, який скоротить час на інциденти та знизить витрати на підтримку.

Які метрики обов'язкові на SLA-дашборді?

Базовий набір: поточний uptime за місяць, error budget (залишок у хвилинах), P50/P95/P99 response time, error rate в розрізі ендпоінтів. Додатково — burn rate та анотації інцидентів. Ми завжди починаємо з цих показників і додаємо кастомні метрики під конкретний сервіс. Включення процентилів, а не середніх, одразу виявляє «хвости» затримок, які реально впливають на користувачів.

Наш SLA дашборд для моніторингу SLO (Grafana Prometheus) показує error budget, burn rate, uptime, response time процентилі, PromQL запити. Це ідеальний дашборд для розробників, що впроваджує SRE практики та інцидент менеджмент.

Розрахунок error budget та burn rate

Error budget — допустимий час простою за період SLO. Наприклад, при SLO 99,9% місячний бюджет = 43 хвилини. Стежити потрібно за його витратою та швидкістю згоряння (burn rate). Формула burn rate:

(
  rate(http_requests_total{status=~"5.."}[1h])
  / rate(http_requests_total[1h])
) / (1 - 0.999)

Burn rate > 14.4 означає, що при поточному темпі бюджет згорить за 2 дні. Це сигнал зупинити релізи й чинити стабільність. Підхід описано в SRE Workbook. Впровадження цієї метрики дозволяє реагувати превентивно, заощаджуючи час та ресурси команди.

Чому burn rate — ключова метрика для SLO?

Без burn rate ви дізнаєтеся про проблему, коли error budget вже на нулі. Burn rate показує швидкість витрачання бюджету. Якщо вона перевищує 14.4, у вас максимум 2 дні до порушення SLA. Це дозволяє реагувати превентивно, а не постфактум. У наших проєктах ця метрика врятувала кілька релізів від провалу та скоротила середній час відновлення (MTTR) на 40%.

Структура дашборду: три рівні відображення

Технічна панель (для розробників)

• Поточний uptime за місяць (наприклад, 99,94%)
• Залишковий error budget у хвилинах/годинах
• Статус сервісу: OK / DEGRADED / DOWN (великий кольоровий індикатор)
• Графік uptime за останні 30/90 днів
• P50/P95/P99 response time — часовий ряд
• Error rate — часовий ряд з анотаціями інцидентів
• Breakdown по ендпоінтах: які найповільніші
• Breakdown по регіонах/ДЦ
• Останні інциденти з тривалістю

Управлінська панель (для бізнесу)

Агреговані показники за місяць: загальний аптайм, кількість інцидентів, середній час відновлення (MTTR). Графіки спрощені, без надмірної деталізації.

Публічний Status Page

Мінімальний набір: поточний статус сервісу, uptime за останні 7 та 30 днів, історія інцидентів. Одне джерело даних, різні фільтри та агрегації.

Приклад розрахунку error budget для різних SLO

Ключові метрики та їх обчислення

Uptime %:

(1 - sum(increase(http_requests_total{status=~"5.."}[30d]))
   / sum(increase(http_requests_total[30d]))) * 100

P95 Response Time:

histogram_quantile(0.95,
  rate(http_request_duration_seconds_bucket[5m])
)

Error Budget Burn Rate (1h):

(
  rate(http_requests_total{status=~"5.."}[1h])
  / rate(http_requests_total[1h])
) / (1 - 0.999)

Деталі синтаксису — в офіційній документації Prometheus.

Порівняння PromQL та вбудованих обчислень

PromQL у 2-3 рази швидше обробляє складні запити з процентилями, ніж вбудовані функції Grafana, що прямо впливає на швидкість отримання інсайтів. Наш дашборд дозволяє виявляти проблеми в 2 рази швидше за стандартні рішення.

Процес впровадження та терміни

1. Аналітика: збираємо SLO, вимоги, джерела метрик (1 день)
2. Проектування: макет дашборду, продумуємо фільтри та ієрархію (1 день)
3. Реалізація: пишемо PromQL-запити, налаштовуємо панелі (2-3 дні)
4. Тестування: перевіряємо точність метрик, відтворюємо інциденти (1 день)
5. Деплой та навчання: викочуємо дашборд, навчаємо команду (1 день)

Терміни орієнтовно: базові панелі (uptime, response time, error rate) — від 1 до 2 днів; error budget + burn rate — від 1 дня; повний цикл під ключ — від 5 до 7 робочих днів. Орієнтовна вартість робіт: від $500 за базовий дашборд до $2000 за повний комплекс. Вартість розраховується індивідуально — оцінимо проєкт після брифу.

Що входить у роботу

• Робочий дашборд у Grafana з трьома рівнями відображення
• Набір PromQL-запитів для всіх метрик (включаючи SLO-запити)
• Документацію з експлуатації та розширення
• Навчання команди (1-2 години)
• Підтримку протягом місяця після впровадження

Ми гарантуємо якість: сертифіковані інженери з досвідом понад 7 років забезпечують надійний моніторинг. На ринку більше 5 років, виконали понад 50 проєктів. Правильно налаштований дашборд скорочує час на виявлення проблем та знижує витрати на підтримку.

Якщо вам потрібен такий дашборд для своїх сервісів, зв'яжіться — обговоримо деталі. Отримайте безкоштовну консультацію з SLO та метрик і оцінку потенційної економії. Замовте впровадження — ми налаштуємо моніторинг під ваш проєкт.

Ми регулярно стикаємося з ситуацією: «Сайт не відкривається» о 3 годині ночі — і виявляється, що disk full на VPS, тому що логи nginx не ротувалися півроку. Або сервер ліг під навантаженням у день запуску рекламної кампанії, тому що на shared хостингу стояв ліміт у 50 одночасних з'єднань. Налаштування хостингу та деплою — це не про «де дешевше», це про те, що відбувається в момент, коли щось іде не так. Наша команда допомагає уникнути таких інцидентів, проектуючи інфраструктуру з урахуванням реальних патернів навантаження.

Коли обирати Vercel та Netlify?

Vercel створений під Next.js — деплой в один push, preview deployments для кожного PR, автоматичний CDN, Edge Functions, ISR без конфігурації. Для фронтенд-проєктів та JAMstack це оптимальний вибір: немає операційного навантаження, time-to-deploy вимірюється хвилинами.

Обмеження реальні: Vercel Serverless Functions запускаються в us-east-1 за замовчуванням (latency для Європи +80–100ms), Function timeout 300 секунд на Pro, Bandwidth 1TB/місяць на Pro. Для важкого backend — потрібні воркери або окремий сервер.

Netlify ближчий до статики та Edge Functions на базі Deno Deploy. Build minutes — основне обмеження на безкоштовному тарифі.

Чому Docker — основа передбачуваного деплою?

«Працює на моїй машині» — класика. Docker вирішує це через контейнеризацію середовища. Але поганий Dockerfile створює нові проблеми.

Типова помилка: копіювати все в образ без .dockerignore, отримувати 800MB образ замість 80MB. node_modules всередині образу важить стільки ж. 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"]

Підсумковий образ: 180MB замість 1.2GB. Час збірки CI скорочується через layer caching — якщо package.json не змінився, шар з npm ci береться з кешу.

Docker Compose для локальної розробки та простих продакшн-сценаріїв: застосунок + PostgreSQL + Redis в одній конфігурації. Для production на одному сервері — цілком робочий варіант, якщо немає вимог горизонтального масштабування.

Детальніше про контейнеризацію — Wikipedia: Docker.

Як налаштувати Nginx як reverse proxy?

Nginx перед застосунком — стандарт для VPS та виділених серверів. Основні функції: SSL termination, gzip, static files, rate limiting, upstream балансування.

Конфігурація, яку часто роблять неправильно: worker_processes auto — кількість процесів дорівнює числу CPU. worker_connections 1024 — це 1024 на кожний воркер-процес. При 4 CPU та 1024 connections = 4096 одночасних з'єднань. Для високонавантаженого сайту потрібно worker_connections 4096 та налаштування keepalive_timeout 65.

Для статичних ассетів з хешем в імені файлу:

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

immutable повідомляє браузеру: не перевіряй цей файл навіть при hard refresh. Правильно працює лише з content-hashed іменами файлів (що робить Vite/webpack за замовчуванням). Документація — Wikipedia: Nginx.

AWS: гнучкість та складність

EC2 + Auto Scaling Group — класика для горизонтального масштабування. AMI з попередньо встановленим застосунком, Launch Template, ASG з min/desired/max instances, Application Load Balancer. При CPU > 70% на 3 хвилини — scale out, при CPU < 30% на 15 хвилин — scale in. Health check через ALB виключає нездорові інстанси з ротації.

ECS Fargate — контейнери без управління EC2. Деплой Docker-образу, задаєте CPU/пам'ять (512 CPU units = 0.5 vCPU, від 512MB пам'яті), Fargate запускає. Дорожче Lambda, але немає cold start та немає timeout-обмежень. Підходить для long-running процесів, WebSocket-серверів, важких воркерів.

RDS для PostgreSQL з Multi-AZ: автоматичний failover за 1–2 хвилини при падінні primary. Read Replicas для масштабування читання. RDS Proxy для connection pooling — Lambda-функції не вміють тримати довгострокові з'єднання, проксі буферизує це.

Kubernetes: коли це виправдано

K8s додає значну операційну складність. Виправданий, коли: кілька команд деплоять незалежні сервіси, потрібне тонке налаштування ресурсів на сервіс, canary deployments та blue/green без простою — вимога.

AWS EKS, GKE або managed k8s від Hetzner (дешевше). Helm charts для стандартних сервісів. Horizontal Pod Autoscaler по CPU та custom metrics (RPS через Prometheus).

Для більшості стартапів та середніх проєктів — Kubernetes надмірний. ECS або Fly.io дають 80% можливостей при 20% операційної складності.

Моніторинг та alerting

Сервер без моніторингу — це очікування інциденту. Мінімальний стек: Prometheus + Grafana (або Grafana Cloud для managed), alerting на disk > 80%, memory > 85%, CPU > 90% за 5 хвилин, error rate > 1%. Uptime через Better Uptime або Upptime (self-hosted).

Logs: Loki + Grafana або CloudWatch Logs Insights. Структуровані JSON-логи (winston, pino) — обов'язково, інакше пошук по логах перетворюється на біль.

Що входить у налаштування хостингу

• Аудит поточної інфраструктури та профілювання навантаження
• Вибір цільової архітектури (VPS, AWS, serverless, Kubernetes)
• Налаштування CI/CD pipeline (GitHub Actions, GitLab CI) з автоматичним деплоєм
• IaC через Terraform або Pulumi (інфраструктура як код)
• Конфігурація Nginx, SSL-сертифікати, HTTP/2, brotli
• Моніторинг та алертинг (Prometheus + Grafana, PagerDuty)
• Документація runbooks та навчання команди

Додатково: пишіть, якщо потрібна міграція з поточного хостингу або інтеграція із зовнішніми сервісами.

Процес роботи

1. Аудит поточної інфраструктури (2–5 днів)
2. Вибір цільової архітектури з обґрунтуванням за навантаженням та бюджетом (1–3 дні)
3. Налаштування CI/CD pipeline (GitHub Actions, GitLab CI) (2–5 днів)
4. IaC через Terraform або Pulumi (3–10 днів)
5. Налаштування моніторингу та alerting (2–5 днів)
6. Документація runbooks та навчання команди (1–3 дні)

Наш досвід — 7 років на ринку, понад 50 проєктів, гарантія працездатності після деплою.

Терміни

• Базовий деплой на VPS з Docker + Nginx + CI/CD: 1–2 тижні.
• Налаштування AWS інфраструктури з Auto Scaling, RDS, CDN: 3–6 тижнів.
• Міграція на EKS з нуля: 6–12 тижнів.
• Налаштування Vercel/Netlify для JAMstack: 3–5 днів.

Вартість розраховується індивідуально залежно від складності та обсягу робіт. Отримайте консультацію — оцінимо вашу архітектуру за один день.