Dashboard-Management-Reifegradmodell
Der “Reifegrad des Dashboard-Managements” bezieht sich darauf, wie gut konzipiert und effizient Ihr Dashboard-Ökosystem ist. Wir empfehlen, Ihr Dashboard-Setup regelmäßig zu überprüfen, um festzustellen, wo Sie stehen und wie Sie sich verbessern können.
Grob gesagt, kann die Dashboard-Reife als niedrig, mittel oder hoch definiert werden.
In diesem Stadium haben Sie keine kohärente Strategie für das Dashboard-Management. Fast jeder fängt hier an.
Woran erkennen Sie, dass Sie hier sind?
- Jeder kann Ihre Dashboards verändern.
- Viele kopierte Dashboards, wenig bis keine Wiederverwendung von Dashboards.
- Einmalige Dashboards, die ewig herumliegen.
- Keine Versionskontrolle (Dashboard-JSON in Versionskontrolle).
- Vieles Suchen nach Dashboards, Suche nach dem richtigen Dashboard. Das bedeutet viel verschwendete Zeit beim Versuch, das benötigte Dashboard zu finden.
- Keine Warnungen, die Sie zum richtigen Dashboard führen.
In diesem Stadium beginnen Sie, Ihre Dashboard-Nutzung mit methodischen Dashboards zu verwalten. Sie haben vielleicht eine Strategie festgelegt, aber es gibt einige Dinge, die Sie verbessern könnten.
Woran können Sie erkennen, dass Sie hier sind?
-
Verhindern Sie Wildwuchs, indem Sie Vorlagenvariablen verwenden. Sie brauchen zum Beispiel nicht für jeden Knoten ein eigenes Dashboard, sondern können Abfragevariablen verwenden. Noch besser ist es, wenn Sie auch die Datenquelle zu einer Template-Variablen machen, so dass Sie dasselbe Dashboard über verschiedene Cluster und Monitoring-Backends hinweg wiederverwenden können.
-
Methodische Dashboards nach einer Beobachtbarkeitsstrategie.
-
Hierarchische Dashboards mit Drill-Downs auf die nächste Ebene.
-
Das Dashboard-Design spiegelt Service-Hierarchien wider. Das unten gezeigte Beispiel verwendet die RED-Methode (Anfrage- und Fehlerrate auf der linken Seite, Latenzdauer auf der rechten Seite) mit einer Zeile pro Dienst. Die Zeilenreihenfolge spiegelt den Datenfluss wider.
-
Vergleichen Sie Gleiches mit Gleichem: Teilen Sie Service-Dashboards auf, wenn sich die Größenordnung unterscheidet. Stellen Sie sicher, dass aggregierte Metriken wichtige Informationen nicht übertönen.
-
Ausdrucksstarke Diagramme mit sinnvoller Farbverwendung und normalisierenden Achsen, wo Sie können.
- Beispiel für eine aussagekräftige Farbe: Blau bedeutet, dass es gut ist, rot bedeutet, dass es schlecht ist. Schwellenwerte können dabei helfen.
- Beispiel für die Normalisierung von Achsen: Wenn Sie die CPU-Auslastung vergleichen, messen Sie in Prozent und nicht in rohen Zahlen, da Maschinen eine unterschiedliche Anzahl von Kernen haben können. Die Normalisierung der CPU-Auslastung durch die Anzahl der Kerne reduziert die kognitive Belastung, da der Betrachter darauf vertrauen kann, dass bei 100% alle Kerne genutzt werden, ohne die Anzahl der CPUs kennen zu müssen.
-
Gezieltes Browsen reduziert das “Raten”.
- Template-Variablen machen es schwieriger, “einfach nur” zufällig oder ziellos zu browsen.
- Die meisten Dashboards sollten mit Alarmen verknüpft sein.
- Gezieltes Browsen wird durch Links gesteuert. Weitere Informationen finden Sie unter Verlinkung.
-
Versionsgesteuertes Dashboard JSON.
In diesem Stadium haben Sie die Nutzung des Dashboard-Managements mit einer konsequenten und durchdachten Strategie optimiert. Das erfordert Pflege, aber die Ergebnisse sind es wert.
- Reduzieren Sie aktiv den Wildwuchs.
- Überprüfen Sie bestehende Dashboards regelmäßig, um sicherzustellen, dass sie noch relevant sind.
- Nur genehmigte Dashboards werden der Master-Dashboard-Liste hinzugefügt.
- Konsistenz durch Design.
- Keine Bearbeitung im Browser. Dashboard-Viewer ändern Ansichten mit Variablen.
- Das Browsen nach Dashboards ist die Ausnahme, nicht die Regel.
- Führen Sie Experimente und Tests in einer separaten SmartCollect SC²-Instanz durch, die für diesen Zweck bestimmt ist, nicht in Ihrer Produktionsinstanz. Wenn sich ein Dashboard in der Testumgebung als nützlich erweist, dann fügen Sie dieses Dashboard zu Ihrer Hauptinstanz von SmartCollect SC² hinzu.