Multi-region vérification de pannes

Quand la surveillance s'effectue depuis un seul endroit, une brève panne de routage chez notre fournisseur d'accès peut vous réveiller à trois heures du matin avec une fausse alerte. La vérification multi-région résout ce problème : une panne n'est confirmée que lorsqu'elle est signalée par le serveur principal et au moins une sauvegarde dans une autre région ou chez un autre fournisseur d'accès.

Comment ça marche

1. Le contrôle principal (depuis notre serveur central) signale DOWN (indisponible).
2. Avant d'envoyer une alerte, le système appelle un worker de secours dans une autre région.
3. Le worker effectue son propre test et renvoie généralement UP ou DOWN en quelques secondes (selon le délai d'expiration du moniteur).
4. Si la sauvegarde confirme également DOWN, le moniteur est marqué comme indisponible et les alertes sont envoyées.
5. Si le serveur principal a signalé DOWN mais que la sauvegarde a renvoyé UP, il s'agissait d'une fausse alerte (en anglais flake) - aucune alerte n'est envoyée.

Quand le consensus se déclenche

La vérification multi-région n'est pas appelée à chaque contrôle - uniquement dans des cas bien définis, afin de ne pas ralentir la mesure courante :

• Le serveur principal (primary) effectue d'abord son propre contrôle, y compris des tentatives internes (2 essais avec une courte pause).
• Le consensus ne se déclenche que lorsque le serveur principal signale toujours DOWN après la nouvelle tentative. Si tout va bien, les régions de secours ne sont pas appelées du tout.
• Il s'applique uniquement aux moniteurs de type http (sans flux à plusieurs étapes), tcp et ping. Les autres types (ssl, dns, domaine, visuel, heartbeat) ne l'utilisent pas.

Comment une panne est décidée

Une fois que le serveur principal signale DOWN, le système demande un contrôle indépendant aux workers de secours disponibles dans d'autres régions. À partir des résultats, il compte combien d'emplacements ont confirmé la panne :

• Le moniteur n'est marqué comme indisponible que lorsque le nombre de signalements DOWN atteint le seuil défini (par défaut 2 régions, serveur principal compris).
• Si le seuil n'est pas atteint (par exemple, le serveur principal a signalé DOWN mais la sauvegarde UP), il s'agit d'une fausse alerte - le moniteur reste en état UP et aucune alerte n'est envoyée. Le temps de réponse utilisé est la moyenne des régions qui ont répondu correctement.
• Un worker de secours qui ne répond pas à ce moment-là est ignoré silencieusement et n'est pas pris en compte dans le vote.

Qui l'active et comment

La vérification multi-région est une fonctionnalité facultative à l'échelle de la plateforme, gérée par l'administrateur d'ePulz.io. Les régions ne sont pas figées - l'administrateur ajoute des workers de secours selon les besoins (par exemple le serveur principal plus un ou deux nœuds cloud dans d'autres pays) et définit combien d'entre eux doivent confirmer une panne.

Comment cela apparaît dans l'interface

Dans le détail du moniteur, pour une panne ayant passé le consensus, vous voyez le résultat de la vérification de chaque emplacement, par exemple :

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

Sur la page de statut publique, les visiteurs ne voient aucun détail technique - ils obtiennent uniquement un état de service vérifié et fiable, sans fausses alertes.

Conséquences pratiques

• Moins de fausses alertes - une brève panne sur la route vers un fournisseur est filtrée par la vérification depuis une autre région.
• Temps de détection légèrement plus long - la confirmation d'une panne ajoute quelques secondes par rapport à une mesure depuis un seul emplacement.
• Historique plus fiable - seules les vraies pannes, et non les fluctuations réseau locales, sont enregistrées dans les incidents et les statistiques de disponibilité.