Supervision des systèmes au Rwanda

Qu’est-ce que la supervision des systèmes, et qui en a besoin

C’est un système automatisé qui vérifie l’état et la disponibilité de vos serveurs, hôtes de virtualisation, stockages, sauvegardes, onduleurs et applications importantes, conserve l’historique et envoie des alertes à des personnes désignées lorsque des seuils convenus sont franchis. Elle convient à toute organisation dont le travail s’arrête quand un serveur s’arrête, et surtout à celles qui ont des serveurs sur plusieurs sites ou aucun informaticien sur place.

Le problème qu’elle résout

La plupart des pannes de serveur préviennent. Les disques signalent des erreurs avant de lâcher, les volumes se remplissent progressivement, les sauvegardes échouent à répétition avant que quiconque en ait besoin, un onduleur signale une batterie faible, et un bloc d’alimentation tombe discrètement en panne dans un serveur qui continue de tourner sur le second. Sans supervision, tout cela passe inaperçu jusqu’à la panne. Avec elle, l’avertissement devient une correction planifiée pendant les heures de travail.

Ce qui fait qu’une alerte vaut la peine

La supervision échoue aussi souvent par excès d’alertes que par manque. Un système qui envoie des dizaines d’avertissements par jour apprend à tout le monde à les ignorer. Nous concevons les alertes pour que chacune ait un sens :

• Liée à un vrai risque, comme un disque dont le remplissage est prévu sous quelques jours plutôt qu’un pourcentage arbitraire.
• Graduée selon la gravité : les problèmes urgents par téléphone ou message à toute heure, les mineurs dans un résumé quotidien.
• Adressée à une personne désignée avec une réponse définie.
• Réglée après la mise en service, en supprimant le bruit les premières semaines.
• Revue chaque mois, en examinant les tendances qui annoncent de futurs besoins de capacité ou de matériel.

Ce que nous surveillons

La disponibilité. Serveurs, machines virtuelles et services clés qui répondent.

La capacité. L’utilisation du disque, de la mémoire et du processeur, et la vitesse de son évolution.

Le matériel. Les alertes de disque, ventilateur, alimentation, mémoire et température remontées par le contrôleur d’administration de chaque serveur.

Les sauvegardes. Le résultat de chaque tâche, avec une alerte le jour même en cas d’échec.

L’alimentation et l’environnement. L’état des onduleurs et la santé des batteries, et la température de la salle.

Les dates d’expiration. Certificats, garanties et licences qui arrêteront des services à leur échéance.

Superviser la supervision

Un système de supervision qui cesse de fonctionner ressemble exactement à une nuit calme. Si le serveur de supervision perd son alimentation, ou si l’internet d’un site tombe, les alertes cessent simplement d’arriver. Nous nous en prémunissons par un battement de cœur : chaque site et la plateforme de supervision elle-même se signalent régulièrement, et un signal manquant déclenche sa propre alerte par une voie distincte. La supervision est hébergée à l’écart des serveurs qu’elle surveille, pour qu’une panne dans la salle serveur n’emporte pas l’alarme avec elle.

Ce que comprend le travail

1. Lister ce qui compte : serveurs, services, sauvegardes et leur importance.
2. Déployer les agents ou collecteurs de supervision, avec des connexions sécurisées depuis chaque site.
3. Définir les seuils et niveaux de gravité, et décider de qui reçoit quoi.
4. Tester les alertes en les déclenchant volontairement.
5. Régler pendant les premières semaines pour supprimer le bruit.
6. Rendre compte chaque mois des incidents, tendances et recommandations.

Ce qui est inclus et ce qui ne l’est pas

Délais habituels et ce qui détermine le coût

La mise en place initiale prend généralement un à deux jours pour un seul site, plus quelques semaines de réglage. Le coût continu est un abonnement qui dépend du nombre de serveurs et de services supervisés, du nombre de sites, des heures couvertes par les alertes et des délais de réponse, et du fait que nous intervenions sur les alertes ou nous contentions de les acheminer.

Équipements généralement utilisés

Une plateforme de supervision avec des agents sur les serveurs ou des collecteurs sur chaque site, les contrôleurs hors bande des serveurs pour l’état du matériel, les cartes réseau des onduleurs, les alertes du logiciel de sauvegarde et des capteurs environnementaux, le tout remontant vers un tableau de bord unique avec alertes mobiles.

Les erreurs que nous voyons souvent

Des tableaux de bord que personne ne regarde. Des alertes envoyées dans une boîte partagée. Des seuils laissés par défaut, si bien que les alertes sont soit permanentes, soit absentes. Les échecs de sauvegarde non supervisés du tout. Les serveurs d’un site supervisés et ceux d’un autre oubliés. Et aucune alerte quand la supervision elle-même cesse de fonctionner, si bien que le silence est pris pour un signe de bonne santé.