サイト運用・ケミ観測– category –

規則正しく振動する監視グラフは、値そのものより鮮度が壊れている兆候かもしれません。古いフレームを検出し、再試行後も古ければ空／失敗として扱う実装を整理します。

死活・疎通・進捗を分けて見ると、「正常なのに仕事が進まない」状態を扱えるようになります。監視を足す前に、いま何を観測できていないかを数えるためのS3開幕回です。

2時間おきに動く健康データノードは、毎日「成功」と記録していました。しかし失敗種別のログを1行足した直後、22種中14種が毎回失敗していたことが分かりました。

為替分析ノードで「5分待機を設定した」はずなのに、通知は毎回約1分で返ってくる。全文検索の結果、待機コードは0件でした。

外部サービスの残量表示は99%のままなのに、実行系は枯渇エラーを返し続ける。某所ラボで起きた画面読み取り型監視の罠と、staleな値を返さないための修正を整理します。