La tâche de sauvegarde s’est arrêtée en silence : la panne la plus chère n’est pas la bruyante

La forme de panne la plus coûteuse d’un dispositif de sauvegarde n’est pas la bruyante. Une erreur bruyante est vue et réparée le jour même. Une tâche qui s’arrête en silence reste arrêtée des semaines et se découvre exactement le jour où elle servait.

Les façons de s’arrêter en silence

La destination s’est remplie. Un partage réseau n’a pas été monté après un redémarrage. Un stockage a été renommé. La tâche vise une machine qui n’existe plus. Un identifiant a expiré. Tout cela produit une erreur quelque part, et rien de tout cela ne produit une erreur devant un humain.

Le piège de la notification

La phrase « s’il y a une erreur je recevrai un mail » porte deux hypothèses : que du courrier sort réellement de cette machine, et que quelqu’un le lit. Dans la plupart des installations, aucune des deux n’est vraie. En outre, une notification qui ne se déclenche qu’en cas d’échec est indiscernable d’un système de notification qui n’a jamais marché : les deux sont silencieux.

La seule façon de savoir qu’une notification fonctionne est de l’avoir vue fonctionner. Le jour de l’installation, provoquez délibérément une erreur et regardez le mail arriver. Si vous ne l’avez pas vu arriver, cette notification n’existe pas.

La bonne chose à regarder : l’âge

Plutôt que l’état de la dernière tâche, regardez l’âge de la sauvegarde la plus récente. L’âge répond à deux questions à la fois : la tâche a-t-elle tourné, et a-t-elle produit quelque chose. Une tâche peut tourner et ne rien produire tout en paraissant réussie ; l’âge attrape cela, l’état non.

Un contrôle d’une minute, une fois par mois

Regardez quatre choses : l’âge de la sauvegarde la plus récente de chaque machine, si le nombre de sauvegardes conservées correspond à votre règle, la place restante sur la destination, et s’il existe une machine sans aucune sauvegarde.

C’est cette dernière qu’on trouve le plus souvent, et la raison est presque toujours la même : cette machine a été créée après l’écriture de la tâche de sauvegarde.

Écrivez la règle, pas la liste

Une tâche qui choisit une à une les machines à sauvegarder est juste le jour où elle est écrite et un peu plus fausse à chaque nouvelle machine. Quand c’est possible, définissez-la comme « toutes, sauf celles-ci ». Créer une nouvelle machine la place alors d’elle-même dans le périmètre de sauvegarde, et le prix de l’oubli tombe à zéro.

Ce que fait Atlas

Atlas montre les sauvegardes existantes avec leurs dates, si bien que la question d’âge ci-dessus se répond en regardant plutôt qu’en devinant : la date de la sauvegarde la plus récente de chaque machine tient sur un écran.

Atlas Watch surveille le serveur lui-même, les mises à jour en attente, les machines virtuelles et l’âge des sauvegardes. Il regarde là où cette page conseille de regarder : non pas le dernier état de la tâche, mais l’âge de la sauvegarde la plus récente. Si la sauvegarde la plus récente d’une machine est plus ancienne que le nombre de jours choisi, cela figure dans le résumé quotidien ; le seuil par défaut est de trois jours, il se modifie depuis le panneau, et si le contrôle passe en critique la notification part immédiatement, sans attendre le résumé.

Si un stockage de sauvegarde ne peut pas être lu, Watch ne se tait pas, il dit qu’il n’a pas pu le lire. Prendre le silence pour de la santé est exactement la panne décrite sur cette page ; qu’une sentinelle déclare propre ce qu’elle n’a pas pu lire a donc été écarté volontairement. Le contrôle mensuel ci-dessus garde tout son intérêt : le seul cas que le contrôle ne couvre pas est une machine toute neuve sans aucune sauvegarde.