72% сбоев в веб-инфраструктуре начинаются не с «железа», а с мелочей: забитого диска, просроченного сертификат

72% сбоев в веб-инфраструктуре начинаются не с «железа», а с мелочей: забитого диска, просроченного сертификата, кривого лимита по памяти или очереди в бэкапах. И почти всегда первый сигнал виден заранее — если смотреть на метрики, а не на ощущения.

Что реально стоит держать на панели каждый день:
• нагрузка CPU не только в среднем, но и по пикам;
• RAM с учётом page cache;
• I/O wait и latency диска;
• сеть: потери, retransmits, jitter;
• время ответа приложений, а не только uptime.

Практика простая: если P95 ответа растёт на 20–30% несколько дней подряд, инцидент уже начался, просто он ещё не дошёл до алерта. 📈

Хорошая инфраструктура — это не та, что «не падает», а та, где деградация видна раньше клиента.