Senza monitoraggio scopri i problemi quando qualcuno si lamenta: il sito è fermo da ore, il disco del server è pieno da giorni, il certificato è scaduto stamattina. Con un monitoraggio ben fatto ne vieni a conoscenza prima, spesso prima ancora che gli utenti se ne accorgano. Non servono strumenti costosi: serve sapere cosa misurare e come trasformare le misure in avvisi utili.
Tre tipi di informazione
| Tipo | Domanda a cui risponde | Esempio |
|---|---|---|
| Controlli di disponibilità | Il servizio risponde? | Il sito restituisce 200 entro 2 secondi |
| Metriche | Come sta andando nel tempo? | Uso della CPU, spazio su disco, traffico sulla porta WAN |
| Log | Cosa è successo esattamente? | Errori dell'applicazione, accessi falliti |
I tre si completano: un controllo ti dice che qualcosa non va, le metriche ti mostrano la tendenza che ha portato al problema, i log ti spiegano il perché.
Controlli di disponibilità
Sono il punto di partenza e si possono fare a più livelli:
- ping (ICMP): l'apparato è acceso e raggiungibile in rete;
- porta TCP: il servizio accetta connessioni, per esempio sulla porta 443 o 25;
- HTTP: il sito risponde con il codice atteso e, meglio ancora, la pagina contiene un testo specifico, così da distinguere una pagina reale da una pagina d'errore restituita con codice 200;
- DNS: il dominio risolve all'indirizzo corretto;
- certificato TLS: mancano più di un certo numero di giorni alla scadenza.
Esegui almeno una parte dei controlli dall'esterno della tua rete. Un monitor che gira sullo stesso server che deve sorvegliare tace proprio quando il server si spegne, e uno interno alla rete non si accorge se la linea Internet è caduta.
Le metriche che contano
Per un server:
- spazio libero sui dischi, la causa più banale e più frequente di disservizi;
- uso di memoria e processore, con attenzione ai valori sostenuti, non ai picchi momentanei;
- stato dei dischi (attributi SMART) e del RAID;
- tempo di risposta delle applicazioni.
Per la rete:
- traffico e errori sulle interfacce del router e degli switch;
- latenza e perdita di pacchetti verso alcuni punti di riferimento, come il gateway del provider e un paio di servizi esterni;
- numero di dispositivi connessi agli access point.
Molti apparati di rete espongono queste informazioni tramite SNMP, un protocollo standard di gestione. Usa la versione 3, che prevede autenticazione e cifratura, e limita l'accesso alla sola macchina di monitoraggio.
Strumenti
Esistono soluzioni per ogni scala:
- servizi esterni di uptime, molti con un piano gratuito, per controllare siti e porte da più località;
- strumenti self-hosted leggeri come Uptime Kuma, comodi per una rete domestica o un piccolo ufficio;
- piattaforme complete come Zabbix, oppure la combinazione Prometheus e Grafana, per raccogliere metriche da molti sistemi e costruire grafici e regole di allarme;
- raccolta centralizzata dei log, a partire da un semplice server syslog, per non dover entrare in ogni apparato a cercare le righe che interessano.
Avvisi utili, non rumore
Il problema più comune non è avere pochi avvisi, ma averne troppi. Dopo qualche giorno di notifiche inutili si smette di leggerle, e quella importante si perde. Alcune regole:
- Avvisa solo su ciò che richiede un'azione. Un picco di CPU di un minuto non è un problema; un disco al 90% che cresce del 2% al giorno sì.
- Usa soglie con durata. "Sito irraggiungibile per tre controlli consecutivi" invece di "un controllo fallito".
- Distingui la gravità. Un servizio fermo merita una notifica immediata sul telefono; un certificato in scadenza tra trenta giorni basta un'email.
- Raggruppa le dipendenze. Se cade il router, non servono venti avvisi per i venti servizi dietro di esso.
- Invia gli avvisi attraverso un canale indipendente. Se la posta è ospitata sul server che si è fermato, l'avviso via email non arriverà mai.
Guardare anche indietro
Conserva lo storico delle metriche per qualche mese. Ti permette di vedere tendenze, come la crescita dello spazio occupato, pianificare per tempo un'espansione e, dopo un incidente, ricostruire cosa è cambiato e quando. Anche i log vanno conservati per un periodo definito e protetti da modifiche: sono spesso l'unica fonte per capire l'origine di un problema.
In sintesi
- Combina controlli di disponibilità, metriche e log: rispondono a domande diverse.
- Esegui i controlli anche dall'esterno della rete e monitora le scadenze dei certificati.
- Lo spazio su disco è la metrica più banale e più trascurata.
- Configura avvisi con soglie, durate e livelli di gravità, inviati su un canale indipendente.
- Conserva lo storico per individuare tendenze e ricostruire gli incidenti.
