BT izleme ve erişilebilirlik: Nagios, Zabbix ve çalışma süresi izleme

Kısaca: İzleme, hizmetlerin ve sunucuların erişilebilir ve sağlıklı olup olmadığını sürekli denetler ve sorunlarda uyarır; erişilebilirlik yüzde olarak ölçülür ve eşikler ile alarmlar üzerinden yönetilir.

Biraz daha ayrıntılı: “Müşteriler aradığında fark ederiz” çok geçtir. İzleme, kesintileri ve eğilimleri (disk doluyor, bellek az, sertifikanın süresi doluyor) hasar oluşmadan önce algılar.

Ayrıntılı

Neler izlenir

• Erişilebilirlik (ping/HTTP/TCP portu), yanıt süresi.
• Sistem değerleri: CPU, RAM, disk alanı, G/Ç, ağ verimi, sıcaklık.
• Hizmetler/işlemler, veritabanı, kuyruklar, günlükler/hata oranları.
• Sertifikalar (sona erme), alan adı, yedekler (çalışıyorlar mı?), UPS, yazıcılar/toner (SNMP).
• Uygulama (APM): istekler, hatalar, gecikmeler, iş metrikleri (dakikadaki sipariş).
• Sentetik izleme: simüle edilmiş kullanıcı oturum açma/satın almadan geçer.

Araçlar

• Nagios/Icinga/Checkmk: klasik denetim tabanlı izleme.
• Zabbix: ajan, SNMP, otomatik keşif, panolar.
• Prometheus + Grafana: metrikler, Alertmanager (bulut-yerel).
• Uptime Kuma (kendi barındırdığınız, basit), UptimeRobot, Better Stack, Pingdom: harici HTTP denetimleri, durum sayfaları.
• ELK/Loki (günlükler), Sentry (hatalar), OpenTelemetry (izler).
• Bir durum sayfası (/status gibi) kullanıcıları aksaklıklar konusunda dürüstçe bilgilendirir.

Alarmlar ve erişilebilirlik

• Uyarı (%80) ve kritik (%95) ile eşikler; yanlış alarmlara karşı histerezis ve yeniden denemeler (yalnızca 3 başarısızlıktan sonra uyar).
• Uyarı yorgunluğundan kaçının: yalnızca eyleme geçirilebilir alarmlar, öncelikler, nöbet çizelgesi, runbook’lar (X alarmında ne yapılır?).
• Kanallar: e-posta, sohbet, push, SMS, kritik için telefon.
• Erişilebilirlik = (toplam süre − kesinti) / toplam süre; %99,9 ≈ ayda 43 dk kesinti; SLO/SLA belirleyin; hata bütçesi.
• Dört altın sinyal: gecikme, trafik, hatalar, doygunluk.

Başlarken ve sınav

• Küçük başlayın: web siteleri için Uptime Kuma + sertifika + disk alanı alarmı; telefona bildirim.
• Kök neden analizi: pano + günlükler + geçmiş (ne değişti? dağıtım?).
• Eğilimlerden kapasite planlaması.
• Gizlilik: günlükler kişisel veri içerebilir (IP), saklamayı sınırlayın.
• Bakım: denetimleri güncel tutun, alarmları sınayın, izlemeyi izleyin (dead man’s switch).
• IHK: erişilebilirliği hesaplayın, izleme terimlerini açıklayın (SNMP, ajan, polling ve trap, eşik).

Ayrıca bak: Prometheus ve metrikler, Grafana ile panolar, SNMP, BT acil durum planlaması