アラームは、オペレーターが対処できる状況を示すものであるべきです。Fenwick Deliveryでは、下流の配送の処理がたまっているのに、関数のリクエスト数は正常に見えます。キューの経過時間とエンドツーエンドの完了のシグナルは、呼び出し数とは別の問いに答えます。
ユーザーの操作から始めて、その障害のパターンを区別できるシグナルを見つけてください。ディメンションと時間の範囲は明示してください。データの欠落は自動的に0になるわけではなく、平均が低くても、悪いテールや影響を受けた顧客セグメントが隠れていることがあります。ランブックには、安全な診断のステップ、対処に必要な権限、回復を検証する方法が必要です。これらの課題では、モデル化されたモニタリングのリソースを設定し、運用の証拠を調べます。ローカルのメトリクスのストアは、本番環境のテレメトリを取り込んだり、アラームのアクションを実行したり、通知を送ったり、ランブックが実際のサービスに対して安全であることを証明したりはしません。