মনিটরিং ও ইভেন্ট ম্যানেজমেন্ট
মনিটরিং ও ইভেন্ট ম্যানেজমেন্ট সেবা পর্যবেক্ষণ করে যাতে সঠিক ব্যক্তি আসল সমস্যার কথা আগেভাগে শোনেন এবং কেউ কোলাহলে জেগে না ওঠেন; এটি কাজ করে যখন সতর্কবার্তা ব্যবহারকারীরা যা অনুভব করেন তা বর্ণনা করে, প্রতিটি সতর্কবার্তার একটি পদক্ষেপ থাকে, এবং ইভেন্টের পরিমাণ এমন কম রাখা হয় যাতে মানুষ ভরসা করতে পারে।
কেন এটি গুরুত্বপূর্ণ
সমস্যার প্রথম লক্ষণ আসা উচিত আপনার নিজের ব্যবস্থা থেকে, ব্যবহারকারী থেকে নয়। মনিটরিংয়ের প্রতিশ্রুতি এটাই: একটি সেবার স্বাস্থ্য ধারাবাহিকভাবে পর্যবেক্ষিত হয় এবং বেশিরভাগ ব্যবহারকারী লক্ষ করার আগেই একটি বিচ্যুতি ধরা পড়ে। বাস্তবে অনেক দল দেখে ব্যবহারকারীরা এখনো আগে সমস্যা জানান, যখন দল এমন সতর্কবার্তায় ডুবে আছে যার ওপর কেউ কাজ করে না।
দুই অভিজ্ঞতার পার্থক্য নকশায়। প্রতিটি অতিক্রান্ত সীমায় সতর্কবার্তা তোলা একটি মনিটরিং ব্যবস্থা তার প্রাপকদের সতর্কবার্তা উপেক্ষা করতে শেখায়। Wikipedia একে অ্যালার্ম ক্লান্তি বলে বর্ণনা করে, হাসপাতালে প্রথম অধ্যয়ন করা একটি ঘটনা, যেখানে অতিরিক্ত অ্যালার্মের মুখোমুখি কর্মীরা অসংবেদনশীল হয়ে পড়ে এবং গুরুত্বপূর্ণগুলো মিস করে। যে ব্যবস্থা ব্যবহারকারীরা যা অনুভব করেন তা মাপে, শুধু কাজ দরকার হলে সতর্ক করে, এবং সাড়াদানকারীকে প্রেক্ষাপট দেয়, তা মনিটরিংকে আগাম-সতর্কতা ব্যবস্থায় পরিণত করে।
মনিটরিংয়ের ভূমিকা ব্যর্থতা ধরার চেয়েও বড়। এটি সক্ষমতার পরিকল্পনা, কর্মক্ষমতার কাজ, একটি রিলিজ সুস্থ কি না যাচাই এবং কী উন্নত করতে হবে তা ঠিক করার ডেটা জোগায়। এই বিষয়টি শব্দভান্ডার এবং কাজের মনিটরিংকে কোলাহল থেকে আলাদা করা অনুশীলন বর্ণনা করে। এটি ইনসিডেন্ট ম্যানেজমেন্ট (বিষয় 3.2 — ইনসিডেন্ট ম্যানেজমেন্ট), প্রাপ্যতা ও সক্ষমতা (বিষয় 3.11 — প্রাপ্যতা, সক্ষমতা ও কর্মক্ষমতা) এবং পর্যবেক্ষণযোগ্যতার (বিষয় 7.4 — পর্যবেক্ষণযোগ্যতা ও টেলিমেট্রি) সঙ্গে ঘনিষ্ঠভাবে যুক্ত।
মূল ধারণা
মনিটরিং। সেবা ও তাদের উপাদানের অবস্থা সম্পর্কে ডেটা সংগ্রহ, প্রক্রিয়া ও ব্যবহার। Wikipedia সিস্টেম মনিটরিং ও নেটওয়ার্ক মনিটরিংকে ত্রুটি ও কর্মক্ষমতার জন্য ব্যবস্থা পর্যবেক্ষণের অনুশীলন হিসেবে বর্ণনা করে। মনিটরিং জানা প্রশ্নের উত্তর দেয়: এটি কি চালু, দ্রুত, নাকি ভরা?
ইভেন্ট। ITIL 4-এ, একটি সেবা বা অন্য কনফিগারেশন আইটেমের ব্যবস্থাপনার জন্য তাৎপর্যপূর্ণ অবস্থার যেকোনো পরিবর্তন। ইভেন্ট তথ্যমূলক, সতর্কবার্তা বা ব্যতিক্রম হতে পারে। অনেক ইভেন্ট স্বাভাবিক এবং কোনো পদক্ষেপ লাগে না; অনুশীলন হলো কোনগুলো লাগে তা ঠিক করা।
সতর্কবার্তা। একটি ইভেন্টে মনোযোগ দরকার, এই বিজ্ঞপ্তি। প্রতিটি ইভেন্ট সতর্কবার্তা হওয়া উচিত নয়। একটি ভালো সতর্কবার্তা একজন ব্যক্তিকে বলে এখনই পদক্ষেপ দরকার, কী ভুল, এবং কোথায় দেখতে হবে।
অ্যালার্ম ক্লান্তি। সতর্কবার্তা খুব বেশি, বা খুব বেশি ভুয়া হলে তার প্রতি সংবেদনশীলতা হারানো। Wikipedia-র অ্যালার্ম ক্লান্তি নিবন্ধ দেখুন। লক্ষণের মধ্যে আছে না পড়েই স্বীকার করা সতর্কবার্তা, নিঃশব্দ করা চ্যানেল এবং দেরিতে আবিষ্কৃত ইনসিডেন্ট। এটি নকশার সমস্যা, শৃঙ্খলার নয়।
মেট্রিক, লগ ও ট্রেস। তিন ধরনের সাধারণ টেলিমেট্রি। মেট্রিক হলো সময়ের সঙ্গে সংখ্যাগত পরিমাপ, যেমন অনুরোধের হার বা মেমরি ব্যবহার। লগ হলো ইভেন্টের টাইমস্ট্যাম্পযুক্ত রেকর্ড। ট্রেস একটি বিতরিত ব্যবস্থার অংশগুলোর মধ্য দিয়ে একটি অনুরোধ অনুসরণ করে। Wikipedia-র টেলিমেট্রি ও লগ ব্যবস্থাপনা নিবন্ধ সাধারণ ধারণা বর্ণনা করে। একসঙ্গে সেগুলো মনিটরিং এবং পর্যবেক্ষণযোগ্যতার আওতায় থাকা গভীরতর তদন্ত দুটিকেই সমর্থন করে।
পর্যবেক্ষণযোগ্যতা। একটি ব্যবস্থার আউটপুট থেকে তার অভ্যন্তরীণ অবস্থা বোঝার সক্ষমতা। Wikipedia সফটওয়্যারে পর্যবেক্ষণযোগ্যতাকে এমন প্রশ্নে মনিটরিংয়ের প্রসার হিসেবে বর্ণনা করে, যা আপনি আগে ভাবেননি। দুটি ওভারল্যাপ করে: মনিটরিং জানা ব্যর্থতার জন্য নজর রাখে; পর্যবেক্ষণযোগ্যতা অজানা ব্যর্থতা তদন্তে সাহায্য করে। দেখুন বিষয় 7.4 — পর্যবেক্ষণযোগ্যতা ও টেলিমেট্রি।
লক্ষণ ও কারণ। লক্ষণ হলো ব্যবহারকারী বা সেবা যা অনুভব করে, যেমন ধীর সাড়া; কারণ হলো এর পেছনে যা আছে, যেমন ভরা ডিস্ক। লক্ষণে সতর্ক করলে জানা যায় ব্যবহারকারীরা প্রভাবিত। প্রতিটি সম্ভাব্য কারণে সতর্ক করলে কোলাহল তৈরি হয়। অনেক দল লক্ষণে সতর্ক করে এবং তদন্তে কারণ-স্তরের মেট্রিক ব্যবহার করে।
সীমা ও ভিত্তিরেখা। "CPU 90 শতাংশের ওপরে"-র মতো একটি স্থির সীমা সরল ও প্রায়ই ভুল, কারণ স্বাভাবিক স্তর সময় ও ভারের সঙ্গে বদলায়। ভিত্তিরেখা দিনের একটি সময়ের জন্য স্বাভাবিক কী তা শেখে এবং বিচ্যুতিতে সতর্ক করে। Wikipedia-র অসঙ্গতি শনাক্তকরণ নিবন্ধ ধারণা ও তার সতর্কতা বর্ণনা করে।
ইভেন্ট সংযোগ। একটি ব্যর্থ উপাদান থেকে একশোটি সতর্কবার্তা একটিতে পরিণত করে অন্তর্নিহিত সমস্যা খুঁজতে সম্পর্কিত ইভেন্ট একত্র করা। Wikipedia ইভেন্ট সংযোগ বর্ণনা করে। এটি নিয়মভিত্তিক হতে পারে বা মেশিন লার্নিং ব্যবহার করতে পারে। দেখুন বিষয় 5.2 — এআইঅপস।
কৃত্রিম ও প্রকৃত ব্যবহারকারী মনিটরিং। কৃত্রিম মনিটরিং ব্যবহারকারীর অনুকরণ করা লিখিত পরীক্ষা চালায় এবং নিয়মিত যাচাই করে একটি যাত্রা কাজ করছে কি না। প্রকৃত ব্যবহারকারী মনিটরিং প্রকৃত ব্যবহারকারীদের অভিজ্ঞতা রেকর্ড করে। Wikipedia দুটিই বর্ণনা করে। কৃত্রিম পরীক্ষা শান্ত সময়ে বিভ্রাট ধরে; প্রকৃত ব্যবহারকারীর ডেটা দেখায় মানুষ আসলে কী অনুভব করে।
অ্যাপ্লিকেশন কর্মক্ষমতা ব্যবস্থাপনা। সাড়ার সময় ও ত্রুটির হারসহ অ্যাপ্লিকেশনের কর্মক্ষমতা ও প্রাপ্যতা মনিটর করার টুল ও অনুশীলন। Wikipedia ক্ষেত্রটি বর্ণনা করে।
পদক্ষেপযোগ্যতা। প্রতিটি সতর্কবার্তার একটি সংজ্ঞায়িত পদক্ষেপ থাকা উচিত, এমনকি পদক্ষেপটি "রানবুক দেখুন" হলেও। একজন ব্যক্তি কী করতে হবে বলতে না পারলে সতর্কবার্তা সরানো বা প্রতিবেদনে পরিণত করা উচিত। দেখুন বিষয় 3.9 — জ্ঞান ব্যবস্থাপনা।
রুটিং ও এসক্যালেশন। সতর্কবার্তা অন-কল সূচি ব্যবহার করে যাঁরা কাজ করতে পারেন তাঁদের কাছে যায়, স্বীকৃতি না এলে এসক্যালেশনসহ। দেখুন বিষয় 3.2 — ইনসিডেন্ট ম্যানেজমেন্ট।
ইভেন্ট ব্যবস্থাপনা ও ITIL। ITIL 4 "মনিটরিং ও ইভেন্ট ম্যানেজমেন্ট"-কে এমন একটি অনুশীলন হিসেবে বর্ণনা করে, যা পদ্ধতিগতভাবে সেবা ও সেবার উপাদান পর্যবেক্ষণ করে এবং বাছাই করা অবস্থার পরিবর্তন লিপিবদ্ধ ও প্রতিবেদন করে। জোর পড়ে কোন ইভেন্ট গুরুত্বপূর্ণ এবং প্রতিটি নিয়ে কী করবেন, তা ঠিক করার ওপর।
দৃষ্টিকোণগুলো কীভাবে খাপ খায়। মনিটরিং ধারাবাহিক ডেলিভারির ফিডব্যাক দিক: এটি দেখায় একটি পরিবর্তন সুস্থ কি না। এজাইল অনুশীলন সতর্কবার্তার মানকে ব্যাকলগ আইটেম হিসেবে দেখে। এআই পর্যালোচনার অধীনে কোলাহল কমাতে, ইভেন্ট সংযোগ ও সারসংক্ষেপ করতে পারে। অটোমেশন ভালো-বোঝা ইভেন্টে কাজ করতে পারে। বিশ্লেষণ প্রবণতা এবং কোলাহলের খরচ দেখায়।
সেরা অনুশীলন
- ব্যবহারকারীরা যা অনুভব করেন তাতে সতর্ক করুন। ব্যর্থ অনুরোধ, ধীর পাতা ও ব্যর্থ কাজের মতো লক্ষণ দিয়ে শুরু করুন। কারণ-মেট্রিক রোগনির্ণয়ের জন্য ব্যবহার করুন, পেজের জন্য নয়, যদি না কোনো কারণ নির্ভরযোগ্য আগাম সতর্কতা হয়।
- প্রতিটি সতর্কবার্তা কাজে লাগার মতো করুন। প্রতিটির জন্য লিখুন এর অর্থ কী, কে কাজ করেন, এবং প্রথমে তিনি কী করেন। একে রানবুকের সঙ্গে যুক্ত করুন। পদক্ষেপহীন সতর্কবার্তা সরান।
- পরিমাণ কম রাখুন। প্রতি শিফটে প্রতিটি অন-কল ব্যক্তি কয়টি সতর্কবার্তা পান গুনুন, এবং একটি সীমা ঠিক করুন। প্রতি সপ্তাহে সবচেয়ে কোলাহলপূর্ণ সতর্কবার্তাগুলো পর্যালোচনা করে সারান বা মুছুন।
- জরুরির জন্য পেজ, বাকির জন্য টিকিট। কারো এখনই কাজ করতে হলে কেবল তখনই কল বা পেজ ব্যবহার করুন। অন্য সংকেত একটি সারি বা প্রতিবেদনে পাঠান। পার্থক্য স্পষ্টভাবে সংজ্ঞায়িত করুন।
- ভিত্তিরেখা সাবধানে ব্যবহার করুন। যেখানে স্বাভাবিক সময় ও ভারের সঙ্গে বদলায় সেখানে সময়-সচেতন সীমা বা অসঙ্গতি শনাক্তকরণ ব্যবহার করুন, এবং পর্যালোচনা করুন। যে মডেল সাড়াদানকারীদের ব্যাখ্যা করতে পারেন না তার ওপর ভরসা করবেন না।
- সম্পর্কিত সতর্কবার্তা গুচ্ছবদ্ধ করুন। একই কারণের ইভেন্ট সংযুক্ত করুন, এবং একটি নির্ভরতা ব্যর্থ হলে নিচের সতর্কবার্তা দমন করুন। প্রেক্ষাপটসহ একটি বার্তা পাঠান।
- ব্যবহারকারীর দৃষ্টিকোণ থেকে যাচাই করুন। মূল যাত্রার জন্য কৃত্রিম পরীক্ষা যোগ করুন, এবং অভিজ্ঞতার জন্য প্রকৃত ব্যবহারকারীর ডেটা ব্যবহার করুন। একটি সার্ভার "চালু" থাকতে পারে অথচ ব্যবহারকারীরা সাইন ইন করতে পারেন না।
- মনিটরিংকে মনিটর করুন। পরীক্ষা করুন সতর্কবার্তা মানুষের কাছে পৌঁছায়, পেজিং ব্যবস্থা কাজ করে, এবং মনিটরিংয়ের নীরব ব্যর্থতাই শনাক্ত হয়। মাঝে মাঝে শুরু থেকে শেষ পরীক্ষা চালান।
- ইনসিডেন্টের পর পর্যালোচনা করুন। জিজ্ঞাসা করুন কোন সতর্কবার্তা বেজেছিল, কোনটি বাজা উচিত ছিল, এবং কোনগুলো কোলাহল ছিল। ইনসিডেন্ট পর্যালোচনায় সমন্বয় করুন। দেখুন বিষয় 3.3 — প্রবলেম ম্যানেজমেন্ট।
- ড্যাশবোর্ড ও প্রেক্ষাপট ভাগ করুন। ডেভেলপার, অপারেশন ও সহায়তাকে একই ডেটায় অ্যাক্সেস দিন, এবং সাম্প্রতিক পরিবর্তনের প্রভাব দেখান। যে ড্যাশবোর্ড কেউ ব্যবহার করে না তা এড়ান।
দলের সঙ্গে আলোচনার প্রশ্ন
সর্বশেষ কোন ইনসিডেন্ট আমাদের মনিটরিংয়ের আগে ব্যবহারকারীরা আমাদের জানিয়েছিলেন, এবং কেন? এটি অন্ধ বিন্দু খুঁজে পায়। ব্যবহারকারীরা কী দেখেছিলেন তা দেখুন। যাত্রার প্রান্তে ফাঁক আশা করুন। পরবর্তী ধাপে যোগ করার জন্য একটি ব্যবহারকারীমুখী পরীক্ষা বাছুন।
গত মাসে আমাদের অন-কল মানুষেরা কয়টি সতর্কবার্তা পেয়েছেন, এবং কয়টিতে পদক্ষেপ দরকার ছিল? একসঙ্গে গুনুন। কেউ না জানলে সেটাই একটি পর্যবেক্ষণ। পদক্ষেপযোগ্য সতর্কবার্তার কম অনুপাত আশা করুন। পরবর্তী ধাপে সবচেয়ে কোলাহলপূর্ণ পাঁচটি বেছে প্রতিটির ভাগ্য ঠিক করুন।
আমরা কোন সতর্কবার্তা উপেক্ষা করি, এবং মুছে ফেললে কী হবে? সতর্কবার্তা উপেক্ষা করা ক্লান্তির লক্ষণ। জিজ্ঞাসা করুন প্রতিটি সর্বশেষ কবে গুরুত্বপূর্ণ ছিল। পরবর্তী ধাপে একটি পর্যালোচনার তারিখসহ মুছুন বা নামিয়ে আনুন।
কীসের জন্য কে জাগেন, এবং সবাই কি একমত যে তাঁদের জাগানো যথার্থ? পেজ করার মানদণ্ড ঠিক করুন। মতভেদ আশা করুন, যা কাজের। পরবর্তী ধাপে এক অনুচ্ছেদের একটি নিয়ম লিখে এক মাস চেষ্টা করুন।
আমাদের মনিটরিং নিজে কাজ বন্ধ করলে আমরা কীভাবে জানতাম? এটি মেটা-মনিটরিং পরীক্ষা করে। নীরবতা বা অস্পষ্ট উত্তর আশা করুন। পরবর্তী ধাপে একটি হার্টবিট পরীক্ষা বা দৈনিক পরীক্ষা সতর্কবার্তা যোগ করুন এবং কে দেখবেন তা ঠিক করুন।
আমাদের সতর্কবার্তা নিয়ে এআই কী করুক আমরা চাই, এবং কী মানুষের সিদ্ধান্ত থাকা উচিত? এআই সতর্কবার্তা গুচ্ছবদ্ধ, কারণ প্রস্তাব এবং প্রেক্ষাপটের সারসংক্ষেপ করতে পারে। এটি একটি আসল সতর্কবার্তা দমনও করতে পারে। জিজ্ঞাসা করুন কোন পদক্ষেপে অনুমোদন লাগে। পরবর্তী ধাপে সে যা লুকিয়েছে তার পর্যালোচনাসহ গুচ্ছবদ্ধকরণ ও সারসংক্ষেপে সীমিত একটি পরীক্ষা বাছুন।
বাস্তবে: সেবা ব্যবস্থাপনার একটি উদাহরণ
একটি আঞ্চলিক বিমানবন্দরের অপারেশন প্রযুক্তি দল ব্যাগেজ হ্যান্ডলিং, চেক-ইন ব্যবস্থা ও ফ্লাইট তথ্য ডিসপ্লে মনিটর করে। ছয়জনের দল দিনে প্রায় 400টি সতর্কবার্তা পায়। অন-কল কর্মীরা বলেন তাঁরা বিজ্ঞপ্তিতে চোখ বুলান এবং বেশিরভাগ নিঃশব্দ করে রাখেন। গত মাসে একটি টার্মিনালে একটি ব্যর্থ নেটওয়ার্ক সুইচ 40 মিনিট লক্ষ করা হয়নি, যাত্রীরা ডিসপ্লে ফাঁকা বলে অভিযোগ করা পর্যন্ত।
দল প্রধান ডেটা দেখতে এক সপ্তাহ নেন। দৈনিক 400 সতর্কবার্তার প্রায় 350টি 12টি নিয়ম থেকে আসে, যেমন নিজেরাই পরিষ্কার হওয়া ডিভাইসে ডিস্ক সতর্কবার্তা, এবং একটি অব্যবহৃত পোর্টে ইন্টারফেস ফ্ল্যাপ। প্রতিদিন মাত্র প্রায় 15টিতে মানুষের পদক্ষেপ দরকার। প্রধান ও দল তিনটি পরিবর্তনে সম্মত হয়। তারা 12টি কোলাহলপূর্ণ নিয়ম মুছে বা দৈনিক প্রতিবেদনে নামিয়ে আনে। তারা দুটি কৃত্রিম পরীক্ষা যোগ করে, যা প্রতিটি টার্মিনাল থেকে প্রতি মিনিটে ডিসপ্লে পাতা ও চেক-ইন স্ক্রিন লোড করে এবং দুটির যেকোনোটি পরপর দুবার ব্যর্থ হলে পেজ করে। আর তারা ইভেন্ট সংযোগ বসায়, যাতে একটি ব্যর্থ সুইচ একশোটির বদলে প্রভাবিত ডিসপ্লের নাম দেওয়া একটি সতর্কবার্তা তৈরি করে।
পরের মাসে অন-কল সতর্কবার্তা দিনে প্রায় 20টিতে নামে, এবং পরবর্তী সুইচ ব্যর্থতা তিন মিনিটের মধ্যে শনাক্ত হয়, প্রভাবিত টার্মিনালের তালিকাসহ একটি পেজে। সাপ্তাহিক পর্যালোচনায় দল একটি সতর্কবার্তা পায় যা সংযোগের মাধ্যমে দমন করা হয়েছিল অথচ করা উচিত নয়, এবং নিয়মটি সংশোধন করে।
যা বদলায়: মানুষ পেজে ভরসা করে এবং সাড়া দেয়। যা এখনো কঠিন: ব্যাগেজ হ্যান্ডলিং ভেন্ডরের সরঞ্জাম এমন বিন্যাসে নিজস্ব সতর্কবার্তা পাঠায় যা দল ছাঁকতে পারে না, তাই কিছু কোলাহল থেকে যায়; কয়েকজন রাতের শিফট কর্মী চিন্তিত যে দৈনিক প্রতিবেদন পড়া হবে না; এবং মনিটরিং ব্যবস্থা নিজে ব্যর্থ হলে কী হয় তা এখনো কেউ পরীক্ষা করেনি। প্রধান একটি মহড়া নির্ধারণ করেন এবং একটি দৈনিক পরীক্ষা সতর্কবার্তা যোগ করেন।
চারটি দৃষ্টিকোণ
পণ্য ও ডেলিভারি দল
সংকেতগুলো গেঁথে দিন: অর্থবহ মেট্রিক, লগ ও ট্রেস, এবং ব্যবহারকারীর যাত্রা প্রতিফলিত করা স্বাস্থ্য পরীক্ষা। সতর্কবার্তার সঙ্গে রানবুক লিখুন। প্রতিটি রিলিজের প্রভাব লক্ষ করুন।
সেবা ও অপারেশন দল
সতর্কবার্তার মানের মালিক হোন। প্রতি সপ্তাহে সবচেয়ে কোলাহলপূর্ণ সতর্কবার্তা পর্যালোচনা করুন, মানুষকে অতিরিক্ত ভার থেকে রক্ষা করুন, এবং যাচাই করুন প্রতিটি পেজের একটি পদক্ষেপ আছে। সতর্কবার্তা যে পথে যায় তা পরীক্ষা করুন।
নেতৃত্ব ও শাসন
মনিটরের সংখ্যা নয়, পদক্ষেপযোগ্য সতর্কবার্তার গণনা চান। কোলাহলপূর্ণ সতর্কবার্তা সারানোর সময়ে অর্থ দিন। সময়ের বাইরে বারবার পেজ হওয়াকে কর্মী ও মানের জন্য খরচ হিসেবে দেখুন।
গ্রাহক ও ব্যবহারকারী
আপনি লক্ষ করার আগে সরবরাহকারীর কাছ থেকে সমস্যার কথা শোনা এবং কী প্রভাবিত তা জানানো উচিত। আপনি যা দেখেন তা সময়সহ জানান, এবং মনিটরিং কোথায় মিস করেছে তা সরবরাহকারীকে বলুন।
এজাইল, এআই, অটোমেশন ও বিশ্লেষণ
এজাইল
সতর্কবার্তা ও ড্যাশবোর্ডকে পণ্যের অংশ ভাবুন: প্রতিটি ইনসিডেন্ট ও রিলিজের পর ছোট ধাপে উন্নত করুন। যাঁরা সাড়া দেন তাঁদের সঙ্গে পর্যালোচনা করুন। সতর্কতা: পুরোনোগুলো না সরিয়ে প্রতিটি নতুন ফিচারের জন্য মনিটর যোগ করলে কোলাহল বাড়ে।
এআই
এআই স্বাভাবিক ধরন শিখতে, সম্পর্কিত সতর্কবার্তা গুচ্ছবদ্ধ করতে, সম্ভাব্য কারণ প্রস্তাব করতে এবং সতর্কবার্তার ঝড়ের সারসংক্ষেপ করতে পারে, একজন মালিক ও মানব সিদ্ধান্তসহ। অতীতের ইনসিডেন্ট দিয়ে পরীক্ষা করুন। সতর্কতা: যে মডেল সতর্কবার্তা দমন করে সে বিরল কিন্তু প্রকৃত ব্যর্থতা লুকাতে পারে; সে কী দমন করল ও কী মিস হলো তা মাপুন। দেখুন বিষয় 5.2 — এআইঅপস।
অটোমেশন
একটি ব্যর্থ প্রক্রিয়া পুনরায় চালু করার মতো ভালো-বোঝা ইভেন্টের সাড়া, এবং সতর্কবার্তার রুটিং ও সমৃদ্ধকরণ অটোমেট করুন, সীমা ও লগসহ। সতর্কতা: যে স্বয়ংক্রিয় প্রতিকার অনন্তকাল পুনরায় চেষ্টা করে তা একটি ব্যর্থ ব্যবস্থা লুকাতে বা খারাপ করতে পারে; হার সীমা ও এসক্যালেশন যোগ করুন। দেখুন বিষয় 6.6 — রানবুক অটোমেশন ও স্বয়ংক্রিয় প্রতিকার।
বিশ্লেষণ
সতর্কবার্তার পরিমাণ, পদক্ষেপযোগ্য অংশ, স্বীকার করার সময়, এবং ব্যবহারকারীদের বনাম মনিটরিং দ্বারা শনাক্ত ইনসিডেন্ট ট্র্যাক করুন। সতর্কতা: কিছুই না বাজা পর্যন্ত সীমা বাড়িয়ে কেবল সতর্কবার্তার গণনায় কারসাজি করা যায়; ইনসিডেন্টের বিপরীতে যাচাই করুন। দেখুন বিষয় 7.4 — পর্যবেক্ষণযোগ্যতা ও টেলিমেট্রি এবং Service Management Metrics বই।
সাধারণ ব্যর্থতার ধরন
- সবকিছুতে সতর্কবার্তা। মানুষ চ্যানেল নিঃশব্দ করে। লক্ষণে সতর্ক করুন এবং বাকিটা সরান।
- পদক্ষেপহীন সতর্কবার্তা। সাড়াদানকারীরা জানেন না কী করবেন। রানবুকের সঙ্গে যুক্ত করুন বা সতর্কবার্তা মুছুন।
- শুধু স্থির সীমা। ব্যস্ত সময়ে ভুয়া সতর্কবার্তা। সময়-সচেতন বা ভিত্তিরেখা পদ্ধতি সাবধানে ব্যবহার করুন।
- ব্যবহারকারীরা আগে জানেন। ব্যবহারকারীমুখী পরীক্ষায় ফাঁক। কৃত্রিম ও প্রকৃত-ব্যবহারকারী মনিটরিং যোগ করুন।
- মেটা-মনিটরিং নেই। মনিটরিং নীরবে ব্যর্থ হয়। হার্টবিট ও মহড়া যোগ করুন।
- ড্যাশবোর্ডের ছড়াছড়ি। কেউ দেখে না। সিদ্ধান্ত সমর্থন করে এমন কয়েকটি রাখুন।
- অস্বচ্ছ মডেলে ভরসা। সাড়াদানকারীরা ব্যাখ্যা করতে পারেন না সে কী করল। নিয়ম ও যুক্তি পর্যালোচনাযোগ্য রাখুন।
পরিপক্বতা মডেল
| মাত্রা | সূচনা | বিকাশ | মানসম্মতকরণ | ব্যবস্থাপনা | সমন্বয় |
|---|---|---|---|---|---|
| সতর্কবার্তার নকশা | প্রতিটি সীমায় সতর্ক | কিছু মূল সতর্কবার্তা | রানবুকসহ লক্ষণভিত্তিক, পদক্ষেপযোগ্য সতর্কবার্তা | সতর্কবার্তার মান মাপা ও সাপ্তাহিক পর্যালোচিত | সতর্কবার্তা সেবা জুড়ে খাপ খাওয়ানো ও সংযুক্ত |
| আচ্ছাদন | শুধু সার্ভার | কিছু অ্যাপ্লিকেশন | ব্যবহারকারীর যাত্রা কৃত্রিম ও প্রকৃত-ব্যবহারকারীর ডেটা দিয়ে যাচাই | আচ্ছাদন ইনসিডেন্টের পর পর্যালোচিত | আচ্ছাদন সম্পদ ও সরবরাহকারী জুড়ে সঙ্গত |
| কোলাহল | অভিভূতকারী | সচেতন | পরিমাণ সীমিত ও পর্যালোচিত | কোলাহল মাপা ও কমছে | কোলাহল তত্ত্বাবধানসহ সংযোগ ও অটোমেশনে পরিচালিত |
| সাড়া | হাতে-করা | একটি দলে পেজ | এসক্যালেশনসহ রুট করা | সাড়ার সময় ট্র্যাক করা | নিরাপদ পদক্ষেপ মানব নিয়ন্ত্রণসহ স্বয়ংক্রিয় |
চেকলিস্ট
- সতর্কবার্তা ব্যবহারকারীরা যে লক্ষণ অনুভব করেন তার ভিত্তিতে।
- প্রতিটি সতর্কবার্তার একটি সংজ্ঞায়িত পদক্ষেপ ও একটি যুক্ত রানবুক আছে।
- প্রতি শিফটে অন-কল সতর্কবার্তার পরিমাণ মাপা ও সীমিত।
- আমরা প্রতি সপ্তাহে সবচেয়ে কোলাহলপূর্ণ সতর্কবার্তা পর্যালোচনা করি।
- মূল ব্যবহারকারী যাত্রার কৃত্রিম পরীক্ষা আছে।
- সম্পর্কিত সতর্কবার্তা সংযুক্ত।
- আমরা পরীক্ষা করি সতর্কবার্তা মানুষের কাছে পৌঁছায় এবং মনিটরিংয়ের ব্যর্থতা শনাক্ত হয়।
- সতর্কবার্তায় কাজ করা এআই বা অটোমেশনের একজন মালিক, সীমা ও পর্যালোচনা আছে।
এআই প্রম্পট
কোলাহলপূর্ণ সতর্কবার্তার ক্রম দিন।
Here is a list of alert rules with the number of times each fired last month and how many led to action: [paste].
Rank them by number of non-actionable firings, list the top ten, and give one question per rule to ask about whether to remove, change, or keep it. Do not recommend deleting any.
List what you are unsure of.
একটি সতর্কবার্তার পাঠ্য খসড়া করুন।
The situation to alert on: [describe]. Who acts: [role]. The first checks they should make: [list].
Draft an alert title (under 80 characters) and a body (under 80 words) that says what is wrong, what users may be experiencing, and the first step, with a link placeholder for the runbook. Do not speculate about causes.
List what you are unsure of.
একটি সংযোগ নিয়ম পরীক্ষা করুন।
Here is a correlation rule: [describe]. Here is a list of recent events with timestamps and sources: [paste].
List which events the rule would group, which it would suppress, and any case where a real separate problem could be hidden. Do not propose a new rule.
List what you are unsure of.
এআই স্কিল
- runbook: প্রতিটি সতর্কবার্তার সঙ্গে যাওয়া পদক্ষেপ লিখতে ব্যবহার করুন।
- anomaly-analysis: মেট্রিকে অস্বাভাবিক ধরন পরীক্ষা করতে ব্যবহার করুন।
- key-risk-indicators: আগাম-সতর্কতার সূচক বাছতে ব্যবহার করুন।
- on-call-rotation: টেকসই অন-কল ব্যবস্থা নকশা করতে ব্যবহার করুন।
মূল সূত্র
- Betsy Beyer and others (eds.), Site Reliability Engineering (2016), বিতরিত ব্যবস্থা মনিটরিং নিয়ে অধ্যায়, sre.google-তে বিনামূল্যে।
- Rob Ewaschuk, "My Philosophy on Alerting" (2013): লক্ষণভিত্তিক সতর্কবার্তা নিয়ে একটি সুপরিচিত ছোট প্রবন্ধ।
- Wikipedia, "Alarm fatigue" ও "Observability (software)": মূল ধারণার পরিচিতি।
- PeopleCert, ITIL certification pages: মনিটরিং ও ইভেন্ট ম্যানেজমেন্ট অনুশীলন সম্পর্কে মালিকের বর্ণনা।
তথ্যসূত্র
- Alarm fatigue — Wikipedia — https://en.wikipedia.org/wiki/Alarm_fatigue
- Observability (software) — Wikipedia — https://en.wikipedia.org/wiki/Observability_(software)
- Application performance management — Wikipedia — https://en.wikipedia.org/wiki/Application_performance_management
- Event correlation — Wikipedia — https://en.wikipedia.org/wiki/Event_correlation
- Log management — Wikipedia — https://en.wikipedia.org/wiki/Log_management
- Synthetic monitoring — Wikipedia — https://en.wikipedia.org/wiki/Synthetic_monitoring
- Real user monitoring — Wikipedia — https://en.wikipedia.org/wiki/Real_user_monitoring
- Network monitoring — Wikipedia — https://en.wikipedia.org/wiki/Network_monitoring
- Anomaly detection — Wikipedia — https://en.wikipedia.org/wiki/Anomaly_detection
- Telemetry — Wikipedia — https://en.wikipedia.org/wiki/Telemetry
- Site Reliability Engineering: How Google Runs Production Systems — Google — https://sre.google/sre-book/table-of-contents/