Dlaczego monitorowanie dostępności nie widzi rzeczywistości sieciowej?

Większość narzędzi do monitorowania dostępności, takich jak Uptime Kuma czy Pingdom, bazuje na jednym punkcie widzenia. Zwykle sprawdzają one, czy serwis jest dostępny z jednego miejsca — serwera monitorującego. Problem pojawia się, gdy w grę wchodzi chmura hybrydowa, gdzie dostępność usługi zależy od złożonej topologii sieci. Na przykład, jeśli monitor raportuje, że SQL-01 działa, użytkownicy mogą błędnie założyć, że wszyscy mają do niego dostęp, co często nie jest prawdą. Rzeczywistość może wyglądać znacznie bardziej skomplikowanie, z różnymi wirtualnymi sieciami, które mogą być odcięte od danych serwerów.

Monitorując dostępność z jednego punktu, można przeoczyć problemy, które występują w innych częściach sieci. Jeśli monitor znajduje się w VNet-B i zgłasza, że wszystko jest w porządku, ale VNet-A doświadcza problemów z dostępnością, to w rzeczywistości połowa obciążeń może być odcięta. Z drugiej strony, jeśli monitor znajduje się w VNet-A, może generować fałszywe alarmy o awarii SQL-01, gdy tak naprawdę problem leży w samej sieci.

Rozwiązaniem jest wdrożenie monitorowania opartego na rozproszonych agentach. Zamiast polegać na jednym serwerze, można uruchomić lekkie agenty w każdej lokalizacji sieciowej, które będą przeprowadzać testy z miejsca, w którym się znajdują. Takie podejście pozwala na rzetelne pomiary dostępności, nawet jeśli agenty działają za zaporami ogniowymi czy NAT-ami, ponieważ potrzebują jedynie połączenia wychodzącego HTTPS do centralnego hubu.

Dzięki temu każdy agent może zaktualizować centralny hub o swoim stanie, co pozwala na precyzyjne określenie, czy problem leży w punkcie docelowym, czy na konkretnej ścieżce. Wprowadzenie rozproszonego monitorowania znacznie zwiększa ilość danych, które można analizować, co z kolei pozwala na szybsze i dokładniejsze diagnozowanie problemów w sieci.

Zwiększając liczbę monitorów i częstotliwość testów, system może generować ogromne ilości danych. Przykładowo, przy 200 monitorach sprawdzających co 30 sekund, można uzyskać około 576 tysięcy wierszy danych co 30 sekund. Aby zarządzać tą ilością informacji, warto wprowadzić agregację danych, co pozwoli na efektywniejsze przetwarzanie i analizę wyników.