Monitoring en alerts
Welke metrics monitoren we?
We bieden uitgebreide monitoring voor servers en Kubernetes-clusters met onze open source-frameworks voor beheer — LinuxAid en KubeAid — aangedreven door Prometheus.
1. Monitoring van servers (LinuxAid)
Voor servers zijn alle metrics en alertregels vastgelegd in onze LinuxAid-stack, hier:
Daartoe behoren:
- Metrics van host en hardware
- CPU, RAM, I/O, gezondheid van schijven
- Monitoring van bestandssystemen en opslag
- Netwerkprestaties
Deze regels worden als open source onderhouden en regelmatig bijgewerkt, en we hebben er ook een testsuite voor geschreven.
2. Monitoring van Kubernetes (KubeAid)
Voor Kubernetes-omgevingen gebruiken we Kube Prometheus als basis en breiden we die uit met extra regels en mixins.
Basisregels voor alerting:
Extra alerts en mixins:
Onze alerting voor Kubernetes omvat:
- Metrics van nodes, pods en containers
- Gezondheid van het control plane en de API-server
- Prestaties en beschikbaarheid van etcd
- Signalen van de scheduler en de controller-manager
- Gezondheid van ingress, services en netwerk
- Alerts op applicatieniveau voor geselecteerde open source-componenten
- Optionele alertpakketten op basis van mixins die per cluster aan of uit kunnen
Deze gelaagde aanpak zorgt voor zicht op het hele platform, met de flexibiliteit om aan te sluiten op de stack van elke klant.
Zo handelen we alerts en escalatie van incidenten af
Prometheus stuurt alerts naar ons centrale endpoint voor alertinname (op verzoek kunnen hosts of componenten worden uitgesloten).
Daarna worden alerts verwerkt door ons interne operationele platform, dat:
- Automatisch alerttickets aanmaakt of bijwerkt
- Ons 24/7-beheerteam waarschuwt
- Je SLA toepast om correct te prioriteren en deadlines te zetten
- De bevestiging en de voortgang van de oplossing in realtime volgt
- Automatisch escaleert — eerst naar de on-call-engineer, daarna zo nodig naar het management
- Sommige van onze alerts zijn preventief van aard, d.w.z. ze gaan af voordat er iets stuk of down kan gaan.
We geven altijd voorrang aan het zo snel mogelijk herstellen van de dienstverlening en richten ons daarna op het aanpakken van de oorzaak, zodat het niet opnieuw gebeurt.