Дашборд аптайма и инцидентов должен отвечать на три вопроса менее чем за десять секунд: сломано ли что-то прямо сейчас, выполняем ли мы целевые показатели доступности и не собирается ли что-то сломаться. Это значит, что нужен верхний слой со статусом, аптаймом относительно SLA, перцентилями задержки и активными инцидентами, а под ним — детализирующие панели, которые всё это объясняют.
Начните с двух уровней: обзор и детализация
Большинство дашбордов не работают, потому что все панели в них имеют одинаковый вес. Разделите представление, которое открывает дежурный инженер при алерте, и представление, которое руководитель команды просматривает раз в неделю.
- Обзор: текущий статус, процент аптайма относительно цели, тренд времени отклика и открытые инциденты. Эти панели должны быть видны без прокрутки.
- Детализация: разбивка ошибок и кодов статуса, доступность по регионам, история MTTD/MTTR, сроки действия сертификатов и доменов, а также объём алертов по каждому монитору. Они объясняют, почему верхний слой выглядит именно так.
Обзорные панели
Обзор текущего статуса
Одна строка на сервис с состоянием «работает», «деградация» или «недоступен», причём проблемные сервисы — вверху списка. Указывайте время последнего изменения состояния: «недоступен 40 секунд» и «недоступен 40 минут» требуют совершенно разной реакции.
Процент аптайма относительно цели SLA
Показывайте аптайм каждого сервиса за 24 часа, 7 дней и 30 дней с опорной линией SLA. Месячная цель 99,9% допускает примерно 43 минуты простоя, поэтому оставшийся бюджет ошибок в минутах часто полезнее самого процента. Представление за 30 дней подскажет, можете ли вы позволить себе рискованный деплой.
Тренд времени отклика с p50 и p95
Средние значения скрывают проблемы. Отображайте медиану (p50) для типичного опыта и p95 для самых медленных пользователей. Стабильный p50 при растущем p95 часто указывает на перегруженную зависимость или деградацию в одном регионе ещё до полного сбоя.
Активные и недавние инциденты
Выводите открытые инциденты со временем начала, затронутыми мониторами и текущей длительностью, а затем инциденты, закрытые за последние 72 часа. Длительность важнее количества.
Детализирующие панели
- MTTD и MTTR: среднее время обнаружения показывает, достаточно ли жёсткие интервалы проверок и пороги; среднее время восстановления отражает эффективность реагирования. Отслеживайте их тренд за 30–90 дней.
- Доля ошибок и разбивка кодов статуса: делите ответы на 2xx, 3xx, 4xx и 5xx. Всплеск 5xx указывает на сервер; рост числа 404 после релиза обычно означает сломанные маршруты.
- Обратный отсчёт до истечения SSL и домена: показывайте оставшиеся дни для каждого сертификата и домена с предупреждениями за 30, 14 и 7 дней. Сбоев из-за истёкших сроков можно полностью избежать.
- Доступность по регионам: проверки из нескольких локаций отличают глобальный сбой от региональной проблемы с DNS, CDN или маршрутизацией.
- Объём алертов: считайте алерты по каждому монитору за неделю. Мониторы, которые часто срабатывают без соответствующих инцидентов, нужно перенастроить.
Рекомендуемые панели и временные окна
| Панель | На какой вопрос отвечает | Рекомендуемое временное окно |
|---|---|---|
| Текущий статус | Что сломано прямо сейчас? | В реальном времени |
| Аптайм против SLA | Укладываемся ли мы в целевую доступность? | 24 ч / 7 д / 30 д |
| Время отклика p50/p95 | Ухудшается ли производительность для реальных пользователей? | 24 ч в сравнении с 7 д |
| Активные и недавние инциденты | Что открыто и как долго длится? | В реальном времени + 72 ч |
| MTTD / MTTR | Обнаруживаем и исправляем ли мы быстрее? | 30–90 д |
| Разбивка кодов статуса | Проблема на стороне сервера или клиента? | 24 ч / 7 д |
| Истечение SSL и домена | Что истечёт раньше, чем мы заметим? | Ближайшие 30–90 д |
| Доступность по регионам | Проблема глобальная или региональная? | 24 ч |
| Объём алертов | Какие мониторы создают шум? | 7 д / 30 д |
Чтобы решить, какие из этих метрик отслеживать в первую очередь, прочитайте наше руководство о том, какие метрики аптайма сайта SaaS-командам стоит отслеживать первыми.
Как UpScanX покрывает эти панели
UpScanX предоставляет для каждого монитора представление производительности в реальном времени: текущий статус, процент аптайма, историю времени отклика и количество инцидентов — для проверок HTTP/HTTPS, API, SSL, доменов, ping и портов, которые выполняются из 15+ локаций по всему миру. Алерты отправляются по Email, в Slack, Telegram, Microsoft Teams или через Webhook, а AI-отчёты добавляют обнаружение аномалий, корреляцию алертов и регулярные сводки по email.
Со стороны трафика бесплатный аналитический дашборд UpScanX добавляет разбивку кодов статуса HTTP (2xx/3xx/4xx/5xx и страницы ошибок) по реальным посещениям, чтобы вы видели, затронул ли инцидент пользователей на самом деле.
Ключевые выводы
- Отделяйте обзорные панели (статус, аптайм против SLA, p50/p95, открытые инциденты) от детализирующих.
- Показывайте аптайм за 24 ч, 7 дней и 30 дней с видимой линией SLA и бюджетом ошибок.
- Используйте для времени отклика перцентили, а не средние значения.
- Отслеживайте обратный отсчёт до истечения сроков и доступность по регионам, чтобы выявлять предотвратимые и частичные сбои.
- Ежемесячно анализируйте MTTD, MTTR и объём алертов.