监控

谨慎选择关键统计数据。用户不会在意你的机器 CPU 占用率低，但他们会在意你的应用程序接口速度慢。

使用聚合器；考虑的是服务，而不是机器。如果您拥有的机器不只几台，您应该将它们视为无定形的一团。

避免图形墙。它们速度很慢，而且对人类来说信息超载。每个仪表盘应包含五个图表，每个图表不超过五行。

定量无法汇总，很难从中获取有意义的信息。然而，平均值却很容易推理。第一四分位数中 10 毫秒的响应时间并不能作为有用的信息，但 400 毫秒的平均响应时间则显示出需要解决的明显问题。

除此之外，平均值比量化值更容易计算。它们易于计算，在需要扩展监控系统时尤其有用。

监控是有成本的。考虑一下这些资源是否真的值得。1 秒钟的监测频率真的比 10 秒钟的监测频率好吗？成本是否值得？监控不是免费的，它需要计算成本。

也就是说，奈奎斯特-香农采样定理表明，如果每 20 秒采样一次，就无法重建相隔 10 秒的模式。假设有一项服务每隔 10 秒就会崩溃或降低计算机系统的运行速度—​这是不可能被检测到的。请在整个数据分析过程中牢记这一点。

相关性而非因果关系—​谨防符合性偏差。在采取任何激烈行动之前，一定要正式确定导致特定问题的原因。

日志和度量都有好处。日志能让你了解细节，而度量指标则能提供高层次的信息。

有办法处理非关键警报。如何处理网络服务器日志文件中的 404 错误？

记住前面提到的 KISS 原则；让监控尽可能简单。