Varför du inte vill ha varje varning: larm eller sammanfattning

Första ingivelsen efter en dålig händelse är alltid densamma: slå på varje varning. Sex veckor senare läser du ingen av dem, och det är inte ett disciplinproblem.

Ett larms värde ligger inte i att ringa, utan i att bli läst. Ett larm som ringer varje dag lär dig att bortse från det, och på vägen ut tar det med sig det riktiga.

Tre frågor innan du lägger till ett larm

Om det här ringer klockan tre på natten, skulle jag gå upp? Är svaret nej är det inget larm utan en anteckning. Anteckningar hör hemma någon annanstans.

Kan jag göra något åt det? En varning du inte kan agera på är ingen information, bara oro. "Diskens temperatur är 41 grader" är inget larm.

Hur ofta ringer det när allt är i sin ordning? Är svaret oftare än sällan ligger problemet inte i larmet utan i tröskeln. På en disk som alltid ligger på 82 procent skapar en tröskel på 80 inget larm, den skapar en vana.

Den enda skillnad som lagar de flesta uppsättningar

Larm och sammanfattning är två olika saker. Larmet är sällsynt och avbryter dig: du måste lägga ifrån dig arbetet och titta. Sammanfattningen är regelbunden och läses i lugn och ro, bredvid kaffet.

Det mesta som folk gör till larm hör i själva verket hemma i en sammanfattning. "Det finns så här många uppdateringar", "den maskinen arbetade hårt i går", "den säkerhetskopian har inte tagits på tre dagar": inget av det får dig ur sängen, och ändå är allt värt att veta.

I samma stund som du gör den skillnaden vinner du dubbelt: larmlistan blir kort och tas på allvar igen, och sammanfattningen läses verkligen eftersom det står något i den.

Tröskeln är ingen teknisk detalj, den är själva utformningen

I stället för att välja en tröskel för att den låter rimlig, mät hur det normala ser ut på din egen maskin. På en server vars disk alltid ligger på 78 procent är 80 fel och 90 rätt. På en maskin vars last alltid är hög bör det inte finnas något lastlarm alls.

Att ställa in en tröskel en gång och gå vidare räcker inte heller. Maskinen förändras, arbetet på den växer. Att en gång om året fråga "vilken varning lärde mig faktiskt något" rättar trösklarna av sig själv.

Det svåraste: att inte veta är inte samma sak som att må bra

Om en kontroll tystnar när den inte kan läsa sina data läser du den tystnaden som hälsa. I själva verket vet man ingenting.

Detta är övervakningens lömskaste fel, för skärmen är grön. Rätt beteende är inte att säga "inga problem" utan att säga: "det här kunde jag inte läsa". En väktare som säger vad han inte kunde se är bättre än en som tiger.

Vad Atlas gör

Atlas Watch är inget larmflöde utan en daglig sammanfattning. Den lägger fram det tillstånd som samlats under dagen på ett ställe, i en form som går att läsa lugnt.

I den finns tolv kontroller: omstart av servern, rotdiskens beläggning, minne, last, drifttid, väntande uppdateringar, säkerhetsuppdateringar, uppdateringar som kräver omstart, ett stort kärnhopp, stoppade kritiska maskiner, processor och minne per maskin, samt säkerhetskopians ålder.

Varje kontroll går att stänga av enskilt, var och en kan ges en egen allvarsgrad, och för de flesta är tröskeln din. Trösklarna skyddas av en undre och en övre gräns, så ett meningslöst värde tas inte emot: säkerhetskopians ålder mellan en och sextio dagar, diskbeläggning mellan femtio och nittionio procent.

En av dem förtjänar ett eget omnämnande, eftersom den svarar på den svåraste punkten ovan: när uppgiften om säkerhetskopian inte går att läsa tystnar inte Watch, den säger att den inte kunde läsa den. Användare läser tystnad som hälsa; hela en väktares förtroendeankare sitter i det beteendet.