Memahami uptime, insiden, dan waktu pemulihan

Persentase uptime terdengar sederhana, tetapi angka seperti 99,9% baru bermakna jika jelas cara menghitungnya: seberapa sering dicek, dari mana, dan kapan sebuah kegagalan dianggap gangguan.

Satu cek gagal belum tentu down

Jaringan internet tidak sempurna. Satu permintaan bisa gagal karena gangguan sesaat di jalur mana pun. Karena itu sistem monitoring yang baik membutuhkan beberapa kegagalan berturut-turut sebelum membuka insiden, dan beberapa keberhasilan berturut-turut sebelum menyatakan pulih.

Insiden lebih penting dari persentase

Persentase merangkum, tetapi insiden bercerita. Untuk setiap gangguan, catat waktu mulai, waktu pulih, durasi, dan penyebab bila diketahui. Dari sini Anda bisa melihat pola: apakah gangguan selalu terjadi di jam tertentu, atau setelah deployment.

Metrik yang layak dilaporkan

• Uptime per periode, dengan cara perhitungan yang jelas.
• Jumlah insiden dan total durasi gangguan.
• Waktu rata-rata sampai pulih.
• Waktu respons rata-rata dan tren-nya.

Laporan yang baik tidak menyembunyikan gangguan. Transparansi tentang apa yang terjadi dan apa yang dilakukan justru membangun kepercayaan.