Multi-region verificación de caídas

Cuando la monitorización se ejecuta desde un solo lugar, un breve fallo de enrutamiento en nuestro proveedor de internet puede despertarte a las tres de la madrugada con una falsa alarma. La verificación multirregión resuelve esto: una caída solo se confirma cuando la reportan el servidor principal y al menos una copia de seguridad en otra región o en otro proveedor de internet.

Cómo funciona

1. La comprobación principal (desde nuestro servidor central) informa DOWN (no disponible).
2. Antes de enviar una alerta, el sistema llama a un worker de respaldo en otra región.
3. El worker realiza su propia prueba y normalmente devuelve UP o DOWN en pocos segundos (según el tiempo de espera del monitor).
4. Si el respaldo también confirma DOWN, el monitor se marca como no disponible y se envían las alertas.
5. Si el servidor principal informó DOWN pero el respaldo devolvió UP, fue una falsa alarma (en inglés flake) - no se envía ninguna alerta.

Cuándo se activa el consenso

La verificación multirregión no se ejecuta en cada comprobación, solo en casos claramente definidos, para no ralentizar la medición habitual:

• El servidor principal (primary) realiza primero su propia comprobación, incluidos los reintentos internos (2 intentos con una pausa corta).
• El consenso se activa solo cuando el servidor principal sigue informando DOWN después del reintento. Si todo está en orden, las regiones de respaldo no se llaman en absoluto.
• Se aplica solo a monitores de tipo http (sin flujos de varios pasos), tcp y ping. Los demás tipos (ssl, dns, dominio, visual, heartbeat) no lo usan.

Cómo se decide una caída

Después de que el servidor principal informe DOWN, el sistema solicita una comprobación independiente a los workers de respaldo disponibles en otras regiones. A partir de los resultados, cuenta cuántos lugares confirmaron la caída:

• El monitor se marca como no disponible solo cuando el número de informes DOWN alcanza el umbral configurado (por defecto 2 regiones, incluido el principal).
• Si no se alcanza el umbral (por ejemplo, el principal informó DOWN pero el respaldo UP), se trata de una falsa alarma: el monitor permanece en estado UP y no se envía ninguna alerta. Como tiempo de respuesta se usa el promedio de las regiones que respondieron correctamente.
• Un worker de respaldo que en ese momento no responde se omite silenciosamente y no se cuenta en la votación.

Quién lo activa y cómo

La verificación multirregión es una función opcional a nivel de toda la plataforma, gestionada por el administrador de ePulz.io. Las regiones no están fijadas: el administrador añade workers de respaldo según sea necesario (por ejemplo, el servidor principal más uno o dos nodos en la nube en otros países) y configura cuántos de ellos deben confirmar una caída.

Cómo se muestra en la interfaz

En el detalle del monitor, para una caída que pasó por el consenso puedes ver el resultado de la verificación de cada lugar, por ejemplo:

consensus: primary:down, eu1:down
result: DOWN (2 of 2 confirmed)

En la página de estado pública, los visitantes no ven ningún detalle técnico: solo obtienen un estado de servicio verificado y fiable, sin falsas alarmas.

Consecuencias prácticas

• Menos falsas alertas: un breve fallo en la ruta hacia un proveedor se filtra mediante la verificación desde otra región.
• Tiempo de detección algo más largo: al confirmar una caída se añaden unos segundos adicionales en comparación con la medición desde un solo lugar.
• Historial más fiable: en los incidentes y las estadísticas de disponibilidad solo se registran las caídas reales, no las fluctuaciones locales de la red.