Метрики
Собирай rate запросов, error rate, latency p95/p99, насыщение CPU, памяти и диска.
Небольшие лабораторные работы, которые можно повторить локально. Начинай с первой и усложняй стек постепенно.
Цель: собрать минимальный образ, запустить контейнер и проверить его состояние.
Команды ниже — пример для локальной разработки. Подставь путь к своему приложению и порт.
FROM node:22-alpine WORKDIR /app COPY package*.json ./ RUN npm ci --omit=dev COPY . . ENV NODE_ENV=production USER node EXPOSE 3000 CMD ["node", "server.js"]
docker build -t demo-service:local . docker run --rm -p 3000:3000 demo-service:local docker ps
Цель: проверять каждый pull request и собирать артефакт только после успешных тестов.
name: ci
on: [push, pull_request]
jobs:
test:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4
- uses: actions/setup-node@v4
with:
node-version: 22
- run: npm ci
- run: npm run lint --if-present
- run: npm test --if-present
- run: npm run build --if-presentДля production закрепляй сторонние Actions на полный commit SHA, а не только на изменяемый тег. Версии в примере требуют проверки и обновления под свой проект.
Цель: определить, что значит «сервис работает хорошо», и связать сигнал с действием.
Собирай rate запросов, error rate, latency p95/p99, насыщение CPU, памяти и диска.
Пиши структурированные события с timestamp, severity, service и correlation/request ID.
Используй OpenTelemetry, чтобы видеть путь запроса через несколько сервисов.
Используй модель как аналитический слой, не как автономного оператора production.
Контекст: сервис checkout, окно инцидента 10:00–10:20 UTC. Данные: обезличенные логи, метрики и список недавних релизов. Сформируй: - краткое резюме и временную шкалу; - факты с указанием источника; - гипотезы с уровнем уверенности; - безопасные проверки без изменения состояния; - вопросы, на которые пока нет данных. Не предлагай выполнять destructive-команды. Не раскрывай и не восстанавливай секреты.