アップデート情報一覧に戻る
改善

死活監視の確認時刻を分散し、複数サイトが同時にダウン扱いになる誤検知を減らしました

死活監視がすべてのサイトを同じ時刻にまとめて確認していたため、DNS解決が順番待ちになり、正常なサイトでもタイムアウトとして記録されることがありました。確認の同時実行数と開始時刻を見直しました。

今回のポイント

  • 死活監視の同時確認を5サイトまでに制限し、確認を始める時刻をサイトごとにずらした
  • 確認間隔(5分・15分・30分など)は変更なし
  • DNS解決の失敗とタイムアウトを別のメッセージで記録し、接続の失敗にはエラーコードも付くように

死活監視で、実際にはサイトに問題がないのに、複数のサイトが同じ時刻にまとめて「DNS解決に失敗またはタイムアウトしました」と記録され、5分後の次の確認ではそろって復旧している、という事象を確認しました。

調べたところ、5分間隔のサイトは毎回同じ分にそろって確認が始まり、名前解決の処理が順番待ちになっていました。その待ち時間がタイムアウトの制限時間に含まれるため、サイトが正常でも、制限時間を過ぎてダウンとして記録されておりました。

今回、同時に確認するサイト数を5つまでに絞り、確認を始める時刻もサイトごとにずらしました。確認の間隔そのものは今までと変わりません。5分間隔のサイトなら、これまで毎時0分、5分、10分とそろっていた確認が、サイトごとに0〜4分の範囲でばらけて始まります。

あわせて、ダウンの原因をこれまでより細かく残すようにしています。「DNS解決に失敗またはタイムアウトしました」とひとまとめだったメッセージは、「DNS解決に失敗しました」と「DNS解決がタイムアウトしました」に分かれました。接続そのものが失敗した場合は、メッセージの末尾に原因を示すエラーコード(接続を拒否されたときの ECONNREFUSED など)が付きます。過去に記録されたダウンタイムのメッセージは変わりません。

この修正は監視側の動作だけを変えるもので、サイトの設定や動作、NexraOne Agentプラグインには影響しません。プラグインの更新も必要ありません。