Perché non vuoi ogni avviso: allarme o riepilogo

Il primo istinto dopo un brutto incidente è sempre lo stesso: accendere ogni avviso. Sei settimane dopo non ne leggi più nessuno, e non è un problema di disciplina.

Il valore di un allarme non sta nel suonare, sta nell’essere letto. Un allarme che suona ogni giorno ti insegna a ignorarlo, e andandosene si porta dietro anche quello vero.

Tre domande prima di aggiungere un allarme

Se suona alle tre di notte, mi alzerei? Se la risposta è no, non è un allarme ma una nota. Le note stanno altrove.

Posso farci qualcosa? Un avviso su cui non puoi agire non è informazione, è solo inquietudine. "Temperatura del disco 41 gradi" non è un allarme.

Quante volte suonerà quando va tutto bene? Se la risposta è più di "raramente", il problema non è l’allarme ma la soglia. Su un disco che sta sempre all’82 per cento, una soglia all’80 non produce un allarme, produce un’abitudine.

L’unica distinzione che sistema la maggior parte degli impianti

Allarme e riepilogo sono due cose diverse. L’allarme è raro e ti interrompe: devi posare ciò che stai facendo e guardare. Il riepilogo è regolare e si legge con calma, accanto al caffè.

Gran parte di ciò che si trasforma in allarmi appartiene in realtà a un riepilogo. "Ci sono tot aggiornamenti", "quella macchina ieri ha lavorato molto", "quel backup non viene preso da tre giorni": niente di tutto ciò ti tira giù dal letto, eppure tutto merita di essere saputo.

Nel momento in cui fai questa distinzione vinci due volte: l’elenco degli allarmi si accorcia e torna a essere preso sul serio, e il riepilogo viene davvero letto perché ha contenuto.

La soglia non è un dettaglio tecnico, è il progetto stesso

Invece di scegliere una soglia perché suona ragionevole, misura com’è il normale sulla tua macchina. Su un server il cui disco sta sempre al 78 per cento, 80 è sbagliato e 90 è giusto. Su una macchina il cui carico è sempre alto, non dovrebbe esserci alcun allarme di carico.

Nemmeno impostare una soglia una volta e andare avanti basta. La macchina cambia, il lavoro sopra cresce. Chiedersi una volta l’anno "quale avviso mi ha davvero insegnato qualcosa" corregge le soglie da sé.

La parte più difficile: non sapere non è come stare bene

Se un controllo tace quando non riesce a leggere i suoi dati, quel silenzio lo leggi come salute. In realtà non si sa nulla.

È il guasto più insidioso del monitoraggio, perché lo schermo è verde. Il comportamento giusto non è dire "nessun problema" ma dire "questo non sono riuscito a leggerlo". Una sentinella che dice ciò che non ha potuto vedere vale più di una che tace.

Che cosa fa Atlas

Atlas Watch non è un flusso di allarmi, è un riepilogo giornaliero. Mette in un solo posto lo stato accumulato durante la giornata, in una forma che si legge con calma.

Contiene dodici controlli: riavvio del server, occupazione del disco radice, memoria, carico, tempo di attività, aggiornamenti in attesa, aggiornamenti di sicurezza, aggiornamenti che richiedono un riavvio, un salto importante del kernel, macchine critiche ferme, processore e memoria per macchina, e l’età del backup.

Ogni controllo può essere disattivato singolarmente, a ciascuno si può dare una propria gravità, e per la maggior parte la soglia è tua. Le soglie sono protette da un limite inferiore e uno superiore, quindi un valore insensato non viene accettato: età del backup tra uno e sessanta giorni, occupazione del disco tra cinquanta e novantanove per cento.

Uno di essi merita una menzione a parte, perché risponde al punto più difficile qui sopra: quando l’informazione sul backup non si riesce a leggere, Watch non tace, dice che non è riuscito a leggerla. Gli utenti leggono il silenzio come salute; tutta l’ancora di fiducia di una sentinella sta in questo comportamento.