API ανάλυσης και μετρήσεις επιδόσεων

1) Γιατί το χρειάζεστε

• απόδειξη της εφαρμογής των SLO και SLA,
• διαχείριση του εύρους ζώνης και των οικονομικών ερωτήσεων,
• ταχεία τοπικοποίηση της αποδόμησης (p99-ουρές, 5xx εκρήξεις),
• να δοθεί προτεραιότητα στις βελτιστοποιήσεις των επιχειρηματικών επιπτώσεων.

Στόχος: ένα ενιαίο μοντέλο παρατηρησιμότητας όπου κάθε αίτημα παρακολουθείται από περίμετρο σε DB με κοινούς αναγνωριστικούς κωδικούς και συνεπείς SLI.

2) Ταξινόμηση των μετρήσεων

Τεχνική: RPS, καθυστέρηση (p50/p95/p99), ποσοστό σφάλματος (4xx/5xx), κορεσμός (ΚΜΕ, μνήμη, αρχείο-desc), χρόνος αναμονής.
Προϊόν: επιτυχείς λειτουργίες/λεπτά, μετατροπή βαθμίδων (200/σύνολο), μερίδιο μειωμένης ισοτιμίας (429), retrays, τμήματα χρηστών.
Κόστος: κόστος/αίτημα (CPU-ms + αίτημα εξόδου + αιτήματα βάσης δεδομένων), κόστος χαρακτηριστικών/τελικό σημείο, $/ενοικιαστής, $/1k κλήσεις.

3) «Χρυσά σήματα»: ΕΡΥΘΡΟ και ΧΡΗΣΗ

• Ποσοστό - αιτήσεις/sec (ανά τελικό σημείο/ενοικιαστή/σχέδιο).
• Σφάλματα - 4xx/5xx/429 κλάσματα και απόλυτα.
• Διάρκεια - p50/p95/p99 από το τέλος έως το τέλος και ανά στάδια (εισαγωγή → εφαρμογή → DB → τρίτο μέρος).

• Χρήση - φορτίο CPU/IO/καναλιού.
• Κορεσμός - ουρές (ουρά αναμονής, καθυστέρηση, αναμονή DB).
• Σφάλματα - σφάλματα οδηγού/χρονοδιαγράμματα.

4) Βασικοί ορισμοί και τύποι

Διαθεσιμότητα SLI: '1 − (5xx + gateway_timeout )/ all_requests'.
Επιτυχία SLI: '2xx/( όλα τα − 429_shadow)' (εκτός από σκιώδεις κλειδαριές).
Apdex: '(|T≤T| + 0. )/όλα ', όπου' T 'είναι ο στόχος «καλό» όριο.
Ενίσχυση ουράς: 'p99 _ total − max (p99_stage_i)' - συμβολή ουράς/σύνθεσης.
Σφάλμα προϋπολογισμού (μήνας) 99. 9%: 'προϋπολογισμός = 0. 1% περίοδος _ ώρα '.

Συνιστώμενα εκατοστημόρια ιστογραμμάτων καθυστέρησης: '[5ms, 10ms, 25ms, 50ms, 100ms, 250ms, 500ms, 1s, 2. 5s, 5s] ".

5) SLI/SLO και συναγερμός με ρυθμό καύσης

• Διαθεσιμότητα: 99 ευρώ. 9 %/30 ημέρες.
• p95 καθυστέρηση «GET/πορτοφόλι/υπόλοιπο» <150 ms, «POST/πληρωμές» <400 ms.
• Σφάλματα '5xx' <0. 2%. '429' (στερεά) <1% της συνολικής κυκλοφορίας.

• 2% του προϋπολογισμού για 1 ώρα ή 5% για 6 ώρες → σελίδα στον μηχανικό.
• 10% ανά ημέρα → προτεραιότητα της RCA.

6) Σύνολο μετρήσεων (τι να συλλέξετε είναι υποχρεωτικό)

• 'http _ ζητά _ σύνολο {διαδρομή, μέθοδος, κατάσταση, ενοικιαστής, σχέδιο}'
• 'http _ request _ performance _ seconds _ bucket {route,...}' (ιστόγραμμα)
• 'retries _ total {reason}', 'rate _ limited _ total {key, policy}'
• Μεγέθη σώματος: 'request _ bytes', 'response _ bytes'

• 'db _ client _ requests _ total {op, table}', 'db _ latency _ seconds _ bucket {op}'
• 'cache _ ops _ total {op}', cache hit-rate εξωτερικές κλήσεις: 'outbound _ calls _ total {provider, op}', καθυστέρηση/λάθη/timeouts/pools: μήκη/καθυστερήσεις, ενεργοί εργαζόμενοι στη χρήση πόρων: CPU, RSS, FD, G

Εμπορικά σήματα: 'ενοικιαστής _ id', 'περιφέρεια', 'kyc _ level', 'plan', 'feature _ flag'.

7) Ίχνος και συσχέτιση (OpenTelemetry)

Ιχνοστοιχείο W3C («traceparent», «tracestate») σε όλους τους λυκίσκους.
Span-s κατά στάδια: είσοδος → χειριστή εφαρμογών authZ → → DB/Redis → PSP/εξωτερικό.
Χαρακτηριστικά/ετικέτες: 'http. διαδρομή «,» enduser. id ',' ενοικιαστής. id ',' idempotency. βασικός «,» κίνδυνος. σκορ '.
Υποδείγματα: Συσχετίζονται σημεία σχετικά με τα γραφήματα καθυστέρησης/σφάλματος με συγκεκριμένο ιχνοστοιχείο.

• με βάση την κεφαλή 1-10% για «κανονικές» διαδρομές,
• με βάση την ουρά για ουρές (πάρτε αργά/εσφαλμένα),
• προσαρμόζεται στις κορυφές και τα περιστατικά.
• Αποσκευές: μεταφορά «ενοικιαστής »/« κίνδυνος» για τεμάχια χωρίς σήμανση κάθε γεγονότος.

8) Καταχωρίσεις: δομή και ιδιωτικότητα

Δομημένο JSON, τα απαιτούμενα πεδία είναι "ts", "trace _ i ," span _ i , "route", "status", "latency _ m ," renant "," user _ id _ hash ".
Πολιτική PII: μάσκα PAN/PII αρνούνται μυστικά/μάρκες.
Δειγματοληψία καταγραφής: υψηλή για 4xx/5xx/429 και «μακρά» αιτήματα.

9) Χάρτης ταμπλό (ελάχιστο σύνολο)

1. Περίληψη Exec: RPS, διαθεσιμότητα, ποσοστό σφάλματος, p95/p99 καθυστέρηση, 429 μερίδιο, προϋπολογισμός επιτοκίου καύσης.
2. Ανά διαδρομή: κορυφαία καταληκτικά σημεία από RPS/Error/Tail; σύγκριση των εκδόσεων (καναρίνι).
3. Ανά ενοικιαστή/σχέδιο: φορτίο/κόστος/επικεφαλής σφάλματος.
4. Υγεία εξάρτησης: DB, κρύπτη, PSP/εξωτερική - καθυστέρηση, σφάλματα, κορεσμός.
5. Χωρητικότητα: CPU/RAM/FD, ουρές αναμονής, δεξαμενή σύνδεσης, GC, όρια εμπορευματοκιβωτίων.
6. Ασφάλεια/Κατάχρηση: 401/403, 429/πολιτικοί, φέτες geo/ASN, ακίδες retray.

10) Προειδοποιήσεις (κατώφλι και τάση)

'error _ rate {route}'> 2% (5 λεπτά) και RPS> N → pager.
'p99 _ latency {critical}'> όριο-στόχος (10 λεπτά).
"burn _ rate 'by budget (βλέπε § 5).
DB 'timeouts '/' αδιέξοδο' ή ανάπτυξη 'queue _ time'> X ms.
Εξωτερικοί πάροχοι: 'outbound _ 5xx _ rate {provider}'> 1% + SLO-εξαρτώμενοι.

11) Σχεδιασμός και απόδοση της χωρητικότητας

Νόμος του μικρού: 'L = λ· W' (μέσο μήκος αναμονής = κίνηση × μέσος χρόνος).
Ο στόχος p95 αποσυντίθεται: 'είσοδος + εφαρμογή + DB + εξωτερική + σειρά αναμονής'.
Προϋπολογισμός συναλλάγματος: καθορίστε τον μέγιστο αριθμό ταυτόχρονων πράξεων εγγραφής.
Μέτρηση του προϋπολογισμού: «CPU ms ανά αίτηση»· διατηρούμε περιθώριο 30-50% στην κορυφή.
Αλληλεπίδραση με το όριο του συντελεστή: Μέτρηση του ποσοστού των αιτήσεων στο «ανώτατο όριο» της ποσόστωσης και των επιπτώσεων στην καθυστέρηση.

12) Έλεγχοι φορτίου και συνθετικοί έλεγχοι

Τύποι: βασικό φορτίο, εκρήξεις × 10, «βήματα», μακροπρόθεσμα επίπεδα, άγχος/χάος (θανάτωση κόμβων, καθυστερήσεις δικτύου), συνθετικά σύμφωνα με κρίσιμα σενάρια πελατών.
Προφίλ: CPU/offich/lock-contention, N + 1 (SQL/HTTP), αργοί κωδικοί.
Έλεγχος παλινδρόμησης: σύγκριση p95/p99/σφάλματα πριν/μετά την απελευθέρωση (καναρίνι).

13) Δυνατότητα παρατήρησης του κόστους

Μετρήσεις κόστους: 'cpu _ m ,' έξοδος _ bytes ',' db _ calls ',' $ ανά 1k αιτήματα '.
Κατανομή στο τελικό σημείο/ενοικιαστή/χαρακτηριστικό: ετικέτες χρέωσης από τον ενορχηστρωτή + μετρήσεις φορτίου → έκθεση οικονομικών μονάδων API.
Αλγόριθμος βελτιστοποίησης: επιλέξτε TOP-τελικά σημεία από το προϊόν «κίνηση × κόστος × (p95 − στόχος)».

14) Ανάλυση ανά ενοικιαστή και «δικαιοσύνη»

Όλες οι βασικές μετρήσεις φέρουν την ονομασία «ενοικιαστής _ id/plan».
Μερίδιο των «βαρέων» πελατών σε p99 ουρές. μεμονωμένα όρια/ποσοστώσεις και προϋπολογισμοί επαναπροσδιορισμού.
Δίκαιη κοπή: όταν υπερφορτώνεται, μειώνουμε το μερίδιο των «υψηλόβαθμων» ενοικιαστών.

15) Ιδιαιτερότητες του iGaming/Finance

Τμήματα «kyc _ level», «risk _ tier», «payment _ method».
SLI για «χρηματικές» διαδρομές («POST/καταθέσεις», «POST/αναλήψεις»): χαμηλότερος στόχος p95, ξεχωριστοί προϋπολογισμοί σφαλμάτων.
Μετρήσεις χρόνου προς πορτοφόλι (TTW), μερίδιο των αυτόματων κλειδαριών κατά της απάτης, μετατροπή εκταμιεύσεων.
Έλεγχος: αμετάβλητα αρχεία καταγραφής για οικονομικές δράσεις και αποφάσεις για την καταπολέμηση της απάτης.

16) Όργανα: Πρακτικές εφαρμογής

• 'api _ http _ requests _ total' (μετρητής)
• 'api _ http _ request _ performance _ seconds' (ιστόγραμμα)
• 'api _ outbound _ requests _ total', 'api _ db _ query _ performance _ seconds'
• 'api _ rate _ limited _ total', 'api _ retry _ total {reason}'

: 'route', 'metho ,' status _ clas , 'tenant', 'region', 'version', 'canary', 'provider', 'db _ table'.
Πληθικότητα: αποφυγή ελεύθερων τιμών (user_id), χρήση «κουβάδων «/χασίς.
Παραδείγματα: συνδεθείτε με ιστογράμματα p95/p99 → κάνοντας κλικ στο ίχνος.

17) Αντιπατερίδια

Μέσο αντί εκατοστημορίων. καμία διαίρεση σε κλάσεις κατάστασης.
Ασυνεπής «διαδρομή »/« διαδρομή» (οι δυναμικές ταυτότητες «ράβονται» σε ετικέτες).
Ετικέτες με υψηλή πληθικότητα (ακατέργαστες user_id, IP).
Δεν υπάρχει χωριστή λογιστική των εξωτερικών παρόχων (ΠΥΠ/τρίτο μέρος).
Προειδοποιήσεις με «θόρυβο» (ενιαίο παράθυρο και ένα κατώφλι).
p99 εξαιρουμένου του χρόνου αναμονής (μάσκες πραγματικής υποβάθμισης).

18) Κατάλογος ελέγχου ετοιμότητας Prod

• SLI/SLO και καθορισμένος προϋπολογισμός σφαλμάτων, συμφωνημένος με τις επιχειρήσεις.
• Ιστογράμματα απλής καθυστέρησης και τάξεις κατάστασης· p95/p99 στα ταμπλό.
• Πλήρες ίχνος (OTel), συσχέτιση log/μετρικού/ιχνοστοιχείου.
• Προειδοποιήσεις επιτοκίου καύσης (δύο παράθυρα), όρια p99 και ποσοστό σφάλματος.
• Τμήματα ανά ενοικιαστή/ανά σχέδιο και εκθέσεις κόστους.
• Ταμπλό: Exec, Per-Route, Εξαρτήσεις, Χωρητικότητα, Κατάχρηση.
• Σενάρια φόρτωσης (διάρρηξη/οροπέδιο/πίεση), διαμόρφωση προφίλ.
• Πολιτικές Jitter Retrai; λογιστικοποίηση της επίδρασης των retrays στην RPS.
• τεκμηρίωση SLA/SLO για εταίρους και δημόσιους πελάτες.
• Διατήρηση/συγκάλυψη καταγραφής, προστασία PII.

19) TL, DR

Χτίστε την παρατηρησιμότητα γύρω από SLI/SLO και τον προϋπολογισμό λάθους, μετρήστε RED/USE, συλλέξτε ιστογράμματα καθυστέρησης με p95/p99 και χρόνο αναμονής, διανείμετε ένα μόνο ίχνος-id από την περίμετρο στην DB, χρησιμοποιήστε ουρά/προσαρμοστική δειγματοληψία, κρατήστε ανά ενοικιαστή/περικοπάροχή κόστος και δύο παράθυρα-burn-rate-alert. Ικανότητα σχεδιασμού σύμφωνα με τους νόμους περί αναμονής και επιπτώσεις στις επιχειρηματικές μετρήσεις· Αντιπατερίδια - μέσο αντί εκατοστημορίων, υψηλή πληθικότητα και μη ληφθείσες εξωτερικές εξαρτήσεις.