Problemen

Een melding is een signaal. Een probleem is een toestand. monsys toont problemen: een schijf die een dag vol blijft is één regel, geen honderd meldingen. De meldingen zelf blijven bestaan als gebeurtenissen onder het probleem.

Wat een probleem is

Een probleem wordt herkend aan drie dingen: het systeem, de soort en het onderwerp (bijvoorbeeld de schijf /). De meetwaarde hoort daar niet bij. Stijgt de schijf van 91 naar 96 procent, dan blijft het hetzelfde probleem met een hogere ernst en een nieuwe piek.

Toestand	Betekenis
Open	Niemand heeft het opgepakt
Bevestigd	Iemand heeft het gezien en werkt eraan
Geaccepteerd	Bewust zo gelaten, met reden en einddatum
Hersteld	Vanzelf gesloten: gemeten of gemeld door de bron
Gesloten	Door een persoon gesloten

Wanneer sluit het vanzelf

Soort	Regel
Schijf	Onder 85 procent gedurende 10 minuten
CPU	Onder 80 procent gedurende 10 minuten
Geheugen	Onder 90 procent gedurende 10 minuten
Service, container, uptime, certificaat	Zodra de bron meldt dat het voorbij is
Overige	Als het niet meer voorkomt terwijl het systeem blijft rapporteren

Geen verse meting betekent geen oordeel. Een server die zwijgt, sluit geen problemen.

In de geschiedenis staat wat er gebeurde: wanneer het begon, de piek, hoe lang het duurde en dat het vanzelf herstelde.

Terugkerend

Komt hetzelfde probleem drie keer terug binnen 24 uur, dan wordt het terugkerend. Het belt niet telkens opnieuw en het blijft minstens 24 uur na de laatste keer op de lijst staan. Zo zie je dat er een oorzaak onder zit die blijft.

Meldingen op je telefoon

• Eén melding wanneer het probleem opent.
• Eén melding wanneer het erger wordt.
• Een rustige melding wanneer het vanzelf herstelt.
• Een kritiek probleem dat niemand bevestigt, wordt herhaald na 30 minuten, 2 uur en 8 uur. De derde keer gaat ook naar het wachtdienstkanaal.

Kritiek gaat altijd naar de telefoon. Waarschuwingen gaan naar de telefoon als ze over beschikbaarheid gaan: schijf, geheugen, stille host, gestopte service of container, uptime, certificaat, back-up. De rest staat op de lijst.

Accepteren

Accepteren is een keuze met een reden en een einddatum (maximaal 90 dagen). Het probleem verdwijnt van de lijst “Te doen” en komt terug op de einddatum, of eerder als het erger wordt.

Activiteit is geen probleem

Een uitgevoerde patch, een exec in een container of een bijgewerkte agent zijn gebeurtenissen. Ze staan in de tijdlijn en vragen geen aandacht.

API

GET  /api/v1/problems?state=active|accepted|resolved|all
GET  /api/v1/problems/{id}
POST /api/v1/problems/{id}/acknowledge
POST /api/v1/problems/{id}/accept     {"reason": "...", "days": 30}
POST /api/v1/problems/{id}/close      {"notes": "..."}
POST /api/v1/problems/{id}/reopen
POST /api/v1/problems/{id}/assign     {"user_id": "me"}
POST /api/v1/problems/{id}/snooze     {"hours": 4}

Elke actie komt in het auditlogboek.