Production Monitoring and Alerting: The Complete Setup Guide

اوسط پیداواری واقعے کی لاگت $5,600 فی منٹ ڈاؤن ٹائم ہے۔ بالغ مانیٹرنگ والی کمپنیاں 5 منٹ سے کم وقت میں مسائل کا پتہ لگاتی ہیں، جب کہ وہ کمپنیاں جن کی نگرانی نہیں کی جاتی ہے ان کا پتہ لگانے میں اوسطاً 197 منٹ لگتے ہیں --- ایک معمولی جھٹکا اور گاہک کو کھونے والی تباہی کے درمیان فرق۔

اس گائیڈ میں اختتام سے آخر تک پیداوار کی نگرانی کے سیٹ اپ کا احاطہ کیا گیا ہے: کیا پیمائش کرنی ہے، اسے کیسے جمع کرنا ہے، اسے کہاں تصور کرنا ہے، اور کب الرٹ کرنا ہے۔

اہم ٹیک ویز

• مشاہدے کے تین ستون (میٹرکس، لاگز، ٹریس) مختلف مقاصد کو پورا کرتے ہیں اور تینوں ضروری ہیں
• علامات (خرابی کی شرح، تاخیر) کے بارے میں انتباہ (سی پی یو کا استعمال) شور کو 80 فیصد کم کرنے کا سبب نہیں بنتا
• ہر انتباہ کے ساتھ منسلک رن بُکس واقعات کے مستقل ردعمل کو یقینی بناتی ہیں قطع نظر اس کے کہ کون کال پر ہے۔
• 5 ضروری انتباہات کے ساتھ شروع کریں اور صرف اس وقت پھیلائیں جب آپ بنیادی لائن کو سمجھیں۔

---

مشاہدے کے تین ستون

میٹرکس

وقت کے ساتھ نمونے کی عددی پیمائش۔ میٹرکس کا جواب "ابھی کیا ہو رہا ہے؟"

درخواست کی پیمائش:

• درخواست کی شرح (فی سیکنڈ درخواستیں)
• خرابی کی شرح (5xx جوابات فی سیکنڈ)
• تاخیر کی تقسیم (P50, P95, P99)
• ایکٹو سیشنز / سمورتی صارفین

انفراسٹرکچر میٹرکس:

• فی خدمت CPU استعمال
• میموری کا استعمال اور کوڑا کرکٹ جمع کرنا
• ڈسک I/O اور دستیاب جگہ
• نیٹ ورک تھرو پٹ

کاروباری میٹرکس:

• آرڈرز فی منٹ
• کارٹ ترک کرنے کی شرح
• Revenue per hour
• اختتامی نقطہ کے ذریعہ API کالز

لاگز

ٹائم اسٹیمپڈ، مجرد واقعات کے منظم ریکارڈ۔ لاگز جواب دیتے ہیں "یہ کیوں ہوا؟"

{
  "timestamp": "2026-03-16T14:32:01.234Z",
  "level": "error",
  "service": "api",
  "requestId": "req_abc123",
  "userId": "usr_456",
  "message": "Payment processing failed",
  "error": "Stripe API timeout after 30000ms",
  "endpoint": "POST /billing/checkout",
  "duration": 30142
}

بہترین طریقوں کو لاگ کریں:

• منظم JSON لاگنگ کا استعمال کریں، سادہ متن نہیں۔
• تمام سروسز میں ارتباطی IDs (requestId) شامل کریں۔
• مناسب سطحوں پر لاگ ان کریں (ناکامی کے لیے ERROR، تنزلی کے لیے انتباہ، اہم واقعات کے لیے INFO)
• کبھی بھی حساس ڈیٹا (پاس ورڈز، ٹوکنز، مکمل کریڈٹ کارڈ نمبر) کو لاگ ان نہ کریں۔

نشانات

تقسیم شدہ نظاموں کے ذریعے اختتام سے آخر تک درخواست کے راستے۔ نشانات جواب دیتے ہیں "آڑ کہاں ہے؟"

ای کامرس چیک آؤٹ کے لیے ایک صارف کی درخواست چھو سکتی ہے:

1. Nginx (2ms) سے Next.js فرنٹ اینڈ (50ms) سے NestJS API (120ms) سے PostgreSQL (45ms) سے اسٹرائپ API (800ms) سے ای میل سروس (200ms)

ٹریس کیے بغیر، آپ دیکھیں گے کہ "چیک آؤٹ میں 1.2 سیکنڈ لگتے ہیں۔" ٹریسنگ کے ساتھ، آپ دیکھتے ہیں کہ "Stripe API کا 67% چیک آؤٹ لیٹینسی ہے۔"

---

مانیٹرنگ اسٹیک سیٹ اپ

Prometheus + Grafana (خود میزبان)

# docker-compose.monitoring.yml
services:
  prometheus:
    image: prom/prometheus:v2.50.0
    volumes:
      - ./prometheus.yml:/etc/prometheus/prometheus.yml
      - prometheus-data:/prometheus
    ports:
      - "9090:9090"
    command:
      - '--config.file=/etc/prometheus/prometheus.yml'
      - '--storage.tsdb.retention.time=30d'
      - '--web.enable-lifecycle'

  grafana:
    image: grafana/grafana:10.3.0
    volumes:
      - grafana-data:/var/lib/grafana
    ports:
      - "3030:3000"
    environment:
      - GF_SECURITY_ADMIN_PASSWORD=${GRAFANA_PASSWORD}
      - GF_USERS_ALLOW_SIGN_UP=false

  loki:
    image: grafana/loki:2.9.0
    volumes:
      - loki-data:/loki
    ports:
      - "3100:3100"

  alertmanager:
    image: prom/alertmanager:v0.27.0
    volumes:
      - ./alertmanager.yml:/etc/alertmanager/alertmanager.yml
    ports:
      - "9093:9093"

volumes:
  prometheus-data:
  grafana-data:
  loki-data:

پرومیتھیس کنفیگریشن

# prometheus.yml
global:
  scrape_interval: 15s
  evaluation_interval: 15s

rule_files:
  - "alerts/*.yml"

alerting:
  alertmanagers:
    - static_configs:
        - targets: ["alertmanager:9093"]

scrape_configs:
  - job_name: "api"
    metrics_path: /metrics
    static_configs:
      - targets: ["api:3001"]

  - job_name: "node-exporter"
    static_configs:
      - targets: ["node-exporter:9100"]

  - job_name: "postgres"
    static_configs:
      - targets: ["postgres-exporter:9187"]

  - job_name: "redis"
    static_configs:
      - targets: ["redis-exporter:9121"]

---

NestJS ایپلیکیشن میٹرکس

پرومیتھیس میٹرکس کو بے نقاب کرنا

// metrics.module.ts
import { Module } from '@nestjs/common';
import { PrometheusModule } from '@willsoto/nestjs-prometheus';
import {
  makeCounterProvider,
  makeHistogramProvider,
  makeGaugeProvider,
} from '@willsoto/nestjs-prometheus';

@Module({
  imports: [
    PrometheusModule.register({
      path: '/metrics',
      defaultMetrics: { enabled: true },
    }),
  ],
  providers: [
    makeCounterProvider({
      name: 'http_requests_total',
      help: 'Total HTTP requests',
      labelNames: ['method', 'path', 'status'],
    }),
    makeHistogramProvider({
      name: 'http_request_duration_seconds',
      help: 'HTTP request duration in seconds',
      labelNames: ['method', 'path'],
      buckets: [0.01, 0.05, 0.1, 0.25, 0.5, 1, 2.5, 5, 10],
    }),
    makeGaugeProvider({
      name: 'active_connections',
      help: 'Number of active connections',
    }),
  ],
  exports: [PrometheusModule],
})
export class MetricsModule {}

---

الرٹ کنفیگریشن

پانچ ضروری انتباہات

ہر پیداواری نظام کو پہلے دن سے ان انتباہات کی ضرورت ہے:

# alerts/essential.yml
groups:
  - name: essential
    rules:
      - alert: ServiceDown
        expr: up == 0
        for: 1m
        labels:
          severity: critical
        annotations:
          summary: "Service {{ $labels.job }} is down"
          runbook: "https://wiki.example.com/runbooks/service-down"

      - alert: HighErrorRate
        expr: |
          rate(http_requests_total{status=~"5.."}[5m])
          / rate(http_requests_total[5m]) > 0.01
        for: 5m
        labels:
          severity: critical
        annotations:
          summary: "Error rate above 1% for 5 minutes"
          runbook: "https://wiki.example.com/runbooks/high-error-rate"

      - alert: HighLatency
        expr: |
          histogram_quantile(0.95,
            rate(http_request_duration_seconds_bucket[5m])
          ) > 2
        for: 5m
        labels:
          severity: warning
        annotations:
          summary: "P95 latency above 2 seconds"

      - alert: DiskSpaceLow
        expr: |
          node_filesystem_avail_bytes{mountpoint="/"}
          / node_filesystem_size_bytes{mountpoint="/"} < 0.2
        for: 10m
        labels:
          severity: warning
        annotations:
          summary: "Disk space below 20% on {{ $labels.instance }}"

      - alert: SSLCertExpiringSoon
        expr: |
          probe_ssl_earliest_cert_expiry - time() < 14 * 24 * 3600
        labels:
          severity: warning
        annotations:
          summary: "SSL certificate expires within 14 days"

الرٹ روٹنگ

# alertmanager.yml
global:
  slack_api_url: "${SLACK_WEBHOOK_URL}"

route:
  group_by: ['alertname', 'severity']
  group_wait: 30s
  group_interval: 5m
  repeat_interval: 4h
  receiver: 'default'
  routes:
    - match:
        severity: critical
      receiver: 'pagerduty'
      repeat_interval: 15m
    - match:
        severity: warning
      receiver: 'slack'

receivers:
  - name: 'default'
    slack_configs:
      - channel: '#alerts'
        title: '{{ .GroupLabels.alertname }}'
        text: '{{ .CommonAnnotations.summary }}'

  - name: 'pagerduty'
    pagerduty_configs:
      - routing_key: "${PAGERDUTY_KEY}"
        severity: '{{ .GroupLabels.severity }}'

  - name: 'slack'
    slack_configs:
      - channel: '#alerts-warnings'
        title: '{{ .GroupLabels.alertname }}'

الرٹ کوالٹی رولز

---

گرافانا ڈیش بورڈز

ڈیش بورڈ کا درجہ بندی

1. ڈیش بورڈ کا جائزہ: تمام خدمات میں اعلیٰ سطحی صحت۔ یہ پہلی اسکرین ہے جسے کوئی بھی کسی واقعے کے دوران دیکھتا ہے۔
2. سروس ڈیش بورڈز: ہر سروس کے لیے تفصیلی میٹرکس (API، ویب، ورکرز)۔
3. انفراسٹرکچر ڈیش بورڈز: نوڈ لیول میٹرکس (CPU، میموری، ڈسک، نیٹ ورک)۔
4. کاروباری ڈیش بورڈز: آمدنی، آرڈرز، صارف کی سرگرمی۔

سروس ڈیش بورڈز کے لیے RED طریقہ

ہر خدمت کے لیے، ڈسپلے کریں:

• Rate: درخواستیں فی سیکنڈ
• Errors: غلطی کی شرح فیصد کے طور پر
• Duration: تاخیر کی تقسیم (P50, P95, P99)

یہ علمی اوورلوڈ کے بغیر سروس ہیلتھ میں فوری مرئیت فراہم کرتا ہے۔

---

سنٹری کے ساتھ ٹریکنگ میں ایرر

// sentry.config.ts
import * as Sentry from '@sentry/nestjs';

Sentry.init({
  dsn: process.env.SENTRY_DSN,
  environment: process.env.NODE_ENV,
  tracesSampleRate: 0.1,
  profilesSampleRate: 0.1,
  integrations: [
    Sentry.postgresIntegration(),
  ],
  beforeSend(event) {
    // Strip sensitive data
    if (event.request?.headers) {
      delete event.request.headers['authorization'];
      delete event.request.headers['cookie'];
    }
    return event;
  },
});

سنتری فراہم کرتا ہے:

• خودکار غلطی کی گروپ بندی اور ڈپلیکیشن
• ماخذ کے نقشوں کے ساتھ نشانات کو اسٹیک کریں۔
• ریلیز ٹریکنگ (جس کی تعیناتی نے غلطی کو متعارف کرایا)
• کارکردگی کی نگرانی (لین دین کے نشانات)

---

اکثر پوچھے گئے سوالات

مانیٹرنگ اسٹیک کی قیمت کتنی ہے؟

خود میزبان (Prometheus + Grafana + Loki): میزبانی کے وسائل کے لیے تقریباً $50-100/ماہ۔ انتظام کردہ متبادل: ڈیٹا ڈاگ بنیادی ڈھانچے کے لیے $15/میزبان/ماہ سے شروع ہوتا ہے، اور لاگ کے لیے $0.10/GB۔ ٹیم پلان کے لیے سینٹری کلاؤڈ $26/ماہ ہے۔ چھوٹے کاروبار کے لیے ایک معقول ابتدائی بجٹ $100-200/ماہ کل ہے۔

نگرانی اور مشاہدے میں کیا فرق ہے؟

نگرانی آپ کو بتاتی ہے جب کچھ غلط ہوتا ہے۔ مشاہدہ آپ کو بتاتا ہے کہ کیوں۔ نگرانی پہلے سے طے شدہ ڈیش بورڈز اور معلوم ناکامی کے طریقوں کے لیے الرٹس کے بارے میں ہے۔ مشاہداتی صلاحیت میٹرکس، لاگز اور ٹریس کا استعمال کرتے ہوئے آپ کے سسٹم کے رویے کے بارے میں صوابدیدی سوالات پوچھنے کی صلاحیت کے بارے میں ہے۔ آپ کو دونوں کی ضرورت ہے، لیکن نگرانی بنیاد ہے.

ہم الرٹ تھکاوٹ سے کیسے بچیں؟

تین اصول: (1) ہر انتباہ کو انسانی عمل کی ضرورت ہوتی ہے، (2) نظریاتی نظریات کی بجائے حقیقی بنیادی خطوط پر مبنی حدیں مقرر کریں، (3) ماہانہ انتباہات کا جائزہ لیں اور ٹیون کریں۔ اگر کوئی الرٹ بغیر کارروائی کی ضرورت کے فی ہفتہ ایک سے زیادہ بار فائر کرتا ہے، یا تو بنیادی مسئلہ کو ٹھیک کریں یا حد کو بڑھا دیں۔ انتباہی تھکاوٹ میں مبتلا ٹیمیں تمام انتباہات کو نظر انداز کر دیتی ہیں، بشمول نازک۔

کیا ہمیں اپنے ERP سسٹم کو مختلف طریقے سے مانیٹر کرنا چاہیے؟

ERP سسٹمز کی نگرانی کے منفرد تقاضے ہوتے ہیں۔ معیاری ویب میٹرکس سے آگے، مانیٹر: ڈیٹا بیس کنکشن پول کا استعمال، بیک گراؤنڈ جاب کی قطار کی گہرائی، انضمام کی مطابقت پذیری کی حیثیت (Shopify، ادائیگی کے گیٹ ویز)، مقررہ رپورٹ پر عمل درآمد کا وقت، اور ماڈیول کے ذریعہ صارف کے سیشن کی گنتی۔ ECOSIRE ہمارے سپورٹ پیکجز کے حصے کے طور پر منظم Odoo مانیٹرنگ فراہم کرتا ہے۔

---

آگے کیا آتا ہے۔

نگرانی آپ کے پروڈکشن انفراسٹرکچر کی آنکھیں اور کان ہے۔ تعیناتی کے اعتماد کے لیے اسے CI/CD آٹومیشن اور لچک کے لیے ڈیزاسٹر ریکوری پلاننگ کے ساتھ جوڑیں۔ ایک جامع DevOps روڈ میپ کے لیے، ہماری DevOps گائیڈ برائے چھوٹے کاروبار دیکھیں۔

ECOSIRE سے رابطہ کریں سیٹ اپ اور منظم انفراسٹرکچر سروسز کی نگرانی کے لیے۔

---

ECOSIRE کے ذریعہ شائع کیا گیا -- کاروباروں کو یہ دیکھنے میں مدد کرنا کہ پیداوار میں کیا اہمیت ہے۔