Criado para monitorar um milhão de sites
Por trás do seu painel está a mesma pilha de observabilidade na qual executamos a plataforma: Prometheus e Grafana para métricas, OpenTelemetry para rastreamento distribuído no motor, fluxos de trabalho e drivers, e registros estruturados centralizados com tags de locatário com dados de auditoria mantidos separadamente.
As métricas são coletadas por serviço, por worker e por tenant, com estatísticas de LVE por site a partir da camada de isolamento. Cada execução de fluxo de trabalho — provisionamento, migração, imposição — é visível de ponta a ponta, e é por isso que uma resposta do suporte pode ser específica em vez de uma suposição.
O monitoramento em grande escala é um problema de volume de dados e, portanto, foi projetado como tal. Métricas de alto volume são particionadas por tempo e agregadas, em vez de serem mantidas por site e por minuto para sempre, os rastreamentos são amostrados, e os controles de cardinalidade por locatário evitam que uma conta sobrecarregada degrade os painéis de todos os outros. A meta do projeto é de um milhão de sites, e não o número que operamos hoje.
Os alertas são roteados pelo Alertmanager para a nossa escala de plantão com SLOs definidos e monitorados — mantidos deliberadamente separados das notificações de clientes acima, para que o ruído operacional nunca chegue à sua caixa de entrada e os seus alertas nunca fiquem na fila atrás dos nossos.