Multi-region verifica disservizi

Quando il monitoraggio viene eseguito da un solo punto, un breve guasto di routing presso il nostro provider internet può svegliarti alle tre del mattino con un falso allarme. La verifica multiregione risolve questo problema: un'interruzione viene confermata solo quando la segnalano il server principale e almeno un backup in un'altra regione o presso un altro provider internet.

Come funziona

1. Il controllo principale (dal nostro server centrale) segnala DOWN (non raggiungibile).
2. Prima di inviare un avviso, il sistema chiama un worker di backup in un'altra regione.
3. Il worker esegue il proprio test e di solito restituisce UP o DOWN entro pochi secondi (a seconda del timeout del monitor).
4. Se anche il backup conferma DOWN, il monitor viene contrassegnato come non raggiungibile e vengono inviati gli avvisi.
5. Se il server principale ha segnalato DOWN ma il backup ha restituito UP, si trattava di un falso allarme (in inglese flake) - non viene inviato alcun avviso.

Quando si attiva il consenso

La verifica multiregione non viene richiamata a ogni controllo, ma solo in casi ben definiti, per non rallentare la misurazione abituale:

• Il server principale (primary) esegue prima il proprio controllo, inclusi i tentativi interni (2 tentativi con una breve pausa).
• Il consenso si attiva solo quando il server principale continua a segnalare DOWN dopo il nuovo tentativo. Se è tutto a posto, le regioni di backup non vengono affatto chiamate.
• Si applica solo ai monitor di tipo http (senza flussi a più passaggi), tcp e ping. Gli altri tipi (ssl, dns, dominio, visivo, heartbeat) non lo usano.

Come si decide un'interruzione

Dopo che il server principale segnala DOWN, il sistema richiede un controllo indipendente ai worker di backup disponibili in altre regioni. Dai risultati conta quanti punti hanno confermato l'interruzione:

• Il monitor viene contrassegnato come non raggiungibile solo quando il numero di segnalazioni DOWN raggiunge la soglia impostata (per impostazione predefinita 2 regioni, incluso il principale).
• Se la soglia non viene raggiunta (ad esempio il principale ha segnalato DOWN ma il backup UP), si tratta di un falso allarme: il monitor rimane in stato UP e non viene inviato alcun avviso. Come tempo di risposta si usa la media delle regioni che hanno risposto correttamente.
• Un worker di backup che in quel momento non risponde viene saltato in silenzio e non viene conteggiato nella votazione.

Chi la attiva e come

La verifica multiregione è una funzione opzionale a livello dell'intera piattaforma, gestita dall'amministratore di ePulz.io. Le regioni non sono fisse: l'amministratore aggiunge worker di backup secondo necessità (ad esempio il server principale più uno o due nodi cloud in altri paesi) e imposta quanti di essi devono confermare un'interruzione.

Come appare nell'interfaccia

Nel dettaglio del monitor, per un'interruzione che ha superato il consenso puoi vedere il risultato della verifica di ciascun punto, ad esempio:

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

Nella pagina di stato pubblica i visitatori non vedono alcun dettaglio tecnico: ricevono solo uno stato del servizio verificato e affidabile, senza falsi allarmi.

Conseguenze pratiche

• Meno falsi avvisi: un breve guasto sul percorso verso un provider viene filtrato dalla verifica da un'altra regione.
• Tempo di rilevamento leggermente più lungo: per confermare un'interruzione si aggiungono alcuni secondi in più rispetto alla misurazione da un solo punto.
• Cronologia più affidabile: negli incidenti e nelle statistiche di disponibilità vengono registrate solo le interruzioni reali, non le oscillazioni locali della rete.