Multi-region kiesés ellenőrzés
Ha a monitorozás csak egyetlen helyről fut, egy rövid útválasztási hiba az internetszolgáltatónknál hajnali háromkor téves riasztással ébreszthet fel. A több régióból történő ellenőrzés (multi-region) ezt oldja meg: a kiesés csak akkor minősül megerősítettnek, ha azt a fő szerver és legalább egy tartalék is jelzi egy másik régióban vagy másik internetszolgáltatónál.
Hogyan működik
- A fő ellenőrzés (a központi szerverünkről) DOWN-t (nem elérhető) jelez.
- A riasztás elküldése előtt a rendszer meghív egy tartalék workert egy másik régióban.
- A worker elvégzi a saját tesztjét, és általában néhány másodpercen belül UP vagy DOWN eredményt ad vissza (a monitor időkorlátjától függően).
- Ha a tartalék is megerősíti a DOWN-t, a monitor nem elérhetőként jelölődik meg, és elindulnak a riasztások.
- Ha a fő szerver DOWN-t jelzett, de a tartalék UP-ot, akkor téves riasztásról volt szó (angolul flake) - nem küldünk értesítést.
Mikor indul el a konszenzus
A több régióból történő ellenőrzés nem minden méréskor fut le - csak pontosan meghatározott esetekben, hogy ne lassítsa a szokásos mérést:
- A fő szerver (primary) először elvégzi a saját ellenőrzését, beleértve a belső újrapróbálkozásokat (2 próbálkozás rövid szünettel).
- A konszenzus csak akkor indul el, ha a primary az újrapróbálkozás után is DOWN-t jelez. Ha minden rendben van, a tartalék régiókat egyáltalán nem hívja meg.
- Csak a http (többlépéses folyamatok nélkül), tcp és ping típusú monitorokra vonatkozik. A többi típus (ssl, dns, domain, vizuális, heartbeat) nem használja.
Hogyan dől el a kiesés
Miután a primary DOWN-t jelez, a rendszer független ellenőrzést kér a más régiókban elérhető tartalék workerektől. Az eredményekből megszámolja, hány hely erősítette meg a kiesést:
- A monitor csak akkor jelölődik meg nem elérhetőként, ha a DOWN jelzések száma eléri a beállított küszöböt (alapértelmezetten 2 régió, a főt is beleértve).
- Ha a küszöb nem teljesül (például a primary DOWN-t jelzett, de a tartalék UP-ot), akkor téves riasztásról van szó - a monitor UP állapotban marad, és nem küldünk értesítést. Válaszidőként a tisztán válaszoló régiók átlaga használatos.
- Az éppen nem válaszoló tartalék workert csendben átugorja, és nem számít bele a szavazásba.
Ki és hogyan kapcsolja be
A több régióból történő ellenőrzés opcionális, az egész platformra kiterjedő funkció, amelyet az ePulz.io adminisztrátora kezel. A régiók nincsenek rögzítve - az adminisztrátor szükség szerint ad hozzá tartalék workereket (például a fő szerver mellé egy-két felhős csomópontot más országokban), és beállítja, hányuknak kell megerősítenie egy kiesést.
Hogyan jelenik meg a felületen
A monitor részleteinél egy konszenzuson átment kiesésnél láthatja az egyes helyek ellenőrzési eredményét, például:
consensus: primary:down, eu1:down
result: DOWN (2 of 2 confirmed)A nyilvános állapotoldalon a látogatók semmilyen technikai részletet nem látnak - csak egy ellenőrzött, megbízható szolgáltatásállapotot kapnak, téves riasztások nélkül.
Gyakorlati következmények
- Kevesebb téves riasztás - az egyik szolgáltatóhoz vezető útvonal rövid hibáját kiszűri egy másik régióból végzett ellenőrzés.
- Kissé hosszabb észlelési idő - a kiesés megerősítésekor néhány másodperccel több idő kell, mint az egyetlen helyről történő méréshez.
- Megbízhatóbb előzmények - az incidensekbe és a rendelkezésreállási statisztikákba csak a valós kiesések kerülnek be, nem a helyi hálózati ingadozások.