Zum Inhalt springen

Uptime-Monitoring ohne Fehlalarme: mehrere Standorte

Die meisten Fehlalarme im Uptime-Monitoring entstehen auf dem Weg zwischen einem einzelnen Prüfstandort und Ihrem Server, nicht auf dem Server. Prüfen Sie von mindestens drei unabhängigen Standorten, alarmieren Sie erst, wenn die Mehrheit den Fehler sieht, und prüfen Sie ein Stichwort auf der Seite statt nur den Statuscode. Das beseitigt den größten Teil des Rauschens, ohne echte Ausfälle zu verdecken.

Die meisten Fehlalarme im Uptime-Monitoring haben mit Ihrem Server nichts zu tun. Sie entstehen auf dem Netzweg zwischen einem einzelnen Prüfstandort und Ihrer Website: ein paar verlorene Pakete, ein langsamer DNS-Resolver, eine Routing-Änderung bei einem Transit-Anbieter. Abhilfe schafft, von mindestens drei unabhängigen Standorten zu prüfen und erst zu alarmieren, wenn die Mehrheit den Fehler sieht – und auf der Seite nach einem Stichwort zu suchen, statt allein dem Statuscode zu vertrauen. Dieser Artikel erklärt, warum das funktioniert und wie Sie einen vermuteten Ausfall selbst nachprüfen.

Warum erzeugt ein einzelner Prüfstandort Fehlalarme?

An einer HTTP-Prüfung ist mehr beteiligt als Ihr Webserver. Der Prüfer löst den Namen per DNS auf, baut über mehrere Netze eine TCP-Verbindung auf, handelt TLS aus, sendet die Anfrage und wartet innerhalb einer Zeitgrenze auf die Antwort. Jedes Glied dieser Kette kann kurz ausfallen, ohne dass ein einziger Besucher etwas merkt:

  • Der DNS-Resolver des Prüfers läuft einmal in eine Zeitüberschreitung.
  • Ein Router zwischen zwei Anbietern verwirft dreißig Sekunden lang Pakete.
  • Das Rechenzentrum des Prüfers hat selbst ein Netzproblem.
  • Eine Firewall oder Ratenbegrenzung auf Ihrer Seite sperrt die Adresse des Prüfers, aber keine andere.

Von einem einzelnen Standort aus sieht all das genauso aus wie „Website nicht erreichbar“. Läuft die Prüfung im Minutentakt, erzeugt selbst ein Weg, der in 99,9 % der Fälle funktioniert, mehr als eine fehlgeschlagene Prüfung pro Tag. Als Alarm verschickt, reicht das, um einem Team beizubringen, dass das Monitoring grundlos Lärm macht.

Den umgekehrten Fehler gibt es ebenfalls. Eine Prüfung, die im selben Rechenzentrum wie der Server läuft oder gar auf dem Server selbst, meldet weiter „erreichbar“, während die Website aus dem Internet nicht mehr zu erreichen ist.

Wie hilft ein Mehrheitsentscheid?

Bei drei Standorten liefert jede Runde drei Ergebnisse. Die Regel ist einfach: Die Prüfung gilt erst dann als fehlgeschlagen, wenn mindestens zwei von drei Standorten in derselben Runde einen Fehler sehen.

Standort AStandort BStandort CErgebnisTypische Ursache
okokokerreichbarNormalbetrieb
FehlerokokerreichbarNetzproblem bei oder nahe Standort A
FehlerFehlerokgestörtWebsite oder ein regionales Netz gestört
FehlerFehlerFehlergestörtWebsite nicht erreichbar

Einen echten Ausfall sehen alle Standorte gleichzeitig, er wird also nicht verzögert. Ein Problem, das nur einen Prüfer betrifft, wird überstimmt. Drei Standorte sind das praktische Minimum: Bei zweien lässt sich „einer sagt ja, einer sagt nein“ nicht entscheiden.

Zwei Verfeinerungen machen die Regel belastbar:

  • Unabhängigkeit. Drei Prüfer im selben Rechenzentrum teilen sich dieselbe Anbindung und fallen gemeinsam aus. Sinnvolle Standorte unterscheiden sich im Netz und möglichst auch im Land.
  • Bestätigung über die Zeit. Muss der Fehler in zwei aufeinanderfolgenden Runden auftreten, fällt ein Neustart oder ein Deployment von wenigen Sekunden durch das Raster. Das nennt man Entprellen; es gehört zu den Techniken aus dem Artikel über Alarmmüdigkeit, Ruhezeiten und Eskalation.

Der einzelne Standort, der abweicht, bleibt eine nützliche Information. Scheitert ein Standort wiederholt, während die anderen keine Probleme sehen, lohnt ein Blick auf Geoblocking, eine Firewall-Regel oder ein DNS-Problem, das nur manche Netze betrifft.

Warum reicht der Statuscode allein nicht?

Status 200 bedeutet: Der Webserver hat geantwortet. Es bedeutet nicht, dass die Seite funktioniert. Typische Fälle, in denen der Status stimmt und die Website nicht:

  • Die Anwendung zeigt eine freundliche Fehlerseite, sendet aber 200.
  • Ein Cache oder CDN liefert eine leere oder veraltete Seite aus.
  • Nach einer Konfigurationsänderung antwortet der Webserver mit seiner Standard-Website oder der eines anderen Kunden.
  • Die Domain ist abgelaufen und zeigt die Parkseite eines Registrars.
  • Eine Einwilligungs-, Anmelde- oder Wartungsseite ersetzt den Inhalt.

Eine Keyword-Prüfung schließt diese Lücke. Sie lädt die Seite und sucht einen Text, der nur vorhanden ist, wenn die Seite wirklich funktioniert: einen Produktnamen, einen Menüpunkt, die Copyright-Zeile der Fußzeile. Wählen Sie einen Text, der aus der Anwendung und möglichst aus der Datenbank stammt, nicht aus einem statischen Kopfbereich.

Die umgekehrte Form ist ebenso nützlich: fehlschlagen, wenn ein bestimmter Text auftaucht, etwa „Fatal error“ oder „Service Unavailable“.

Wie prüfe ich einen Ausfall von Hand nach?

Kommt ein Alarm, beantworten drei Befehle die meisten Fragen. Zuerst Statuscode, Gesamtzeit und die Adresse, die tatsächlich geantwortet hat:

curl -sS -o /dev/null -w "%{http_code} %{time_total}s %{remote_ip}\n" https://example.com
200 0.128693s 104.20.23.154

Scheitert die Anfrage, nennt curl die Stufe: Name nicht auflösbar (DNS), Verbindung abgelehnt oder Zeitüberschreitung (Netz, Firewall, Webserver gestoppt) oder ein Zertifikatsproblem (TLS). Zu Letzterem siehe Zertifikatsablauf überwachen.

Zweitens das Stichwort. grep -c gibt die Zahl der passenden Zeilen aus; 0 heißt, der Text fehlt:

curl -fsS --max-time 10 https://example.com | grep -c "Example Domain"
1

Mit -f schlägt curl bei HTTP-Fehlern ab 400 fehl, statt die Fehlerseite auszugeben, und --max-time verhindert, dass der Befehl hängen bleibt.

Drittens die Frage, wo die Zeit bleibt. Ist die Website langsam statt weg, zeigt die Aufschlüsselung, ob DNS, Verbindungsaufbau, TLS oder die Anwendung verantwortlich ist:

curl -sS -o /dev/null -w "dns %{time_namelookup}s  connect %{time_connect}s  tls %{time_appconnect}s  first byte %{time_starttransfer}s\n" https://example.com
dns 0.003642s  connect 0.022001s  tls 0.045717s  first byte 0.065489s

Die Werte sind aufaddiert. Ein großer Sprung zwischen tls und first byte deutet auf Anwendung oder Datenbank, ein hoher Wert bei dns auf die Nameserver.

Nützliche Varianten: curl -4 und curl -6 testen IPv4 und IPv6 getrennt, denn ein vergessener AAAA-Eintrag macht die Website nur für einen Teil der Besucher unerreichbar. dig +short example.com @1.1.1.1 fragt einen öffentlichen Resolver direkt. Und wiederholen Sie den Test aus einem zweiten Netz, etwa über den Hotspot des Telefons, bevor Sie aus einem einzigen Blickwinkel Schlüsse ziehen.

Welche Einstellungen sind wichtig?

  • Takt. Eine Minute ist ein sinnvoller Ausgangswert für produktive Websites. Längere Abstände verzögern die Erkennung und machen die Verfügbarkeitszahl grob.
  • Zeitgrenze. Etwa zehn Sekunden für einen vollständigen Seitenabruf sind üblich. Deutlich kürzer, und langsame Momente zählen als Ausfall; deutlich länger, und eine hängende Website fällt spät auf.
  • Weiterleitungen. Legen Sie fest, ob die Prüfung Weiterleitungen folgt. Eine Prüfung auf http://, die der Weiterleitung nach https:// folgt, testet zwei Dinge; folgt sie nicht, testet sie nur die Weiterleitung.
  • Was geprüft wird. Die Startseite kommt oft aus dem Cache. Eine Seite, die Anwendung und Datenbank braucht – ein Suchergebnis, ein Anmeldeformular –, sagt mehr aus.
  • Nicht nur HTTP. Mailserver, Datenbanken und VPN-Zugänge prüft man per TCP, Ping oder DNS. Zeitgesteuerte Aufgaben lassen sich von außen gar nicht prüfen; sie müssen sich selbst melden, wie im Artikel Cronjobs überwachen mit Heartbeats beschrieben.

Häufige Fehler

  • Nur aus dem eigenen Netz oder demselben Rechenzentrum prüfen. Das misst den internen Weg, nicht das, was Besucher erleben.
  • Beim ersten fehlgeschlagenen Abruf alarmieren. Ein Fehler von einem Standort ist ein Messwert, kein Vorfall.
  • Die Prüfer aussperren. Ratenbegrenzung, Bot-Schutz und Geoblocking treffen häufig auch Monitoring-Anfragen. Geben Sie die Adressen oder den User-Agent der Prüfer ausdrücklich frei.
  • Ein Stichwort wählen, das immer vorhanden ist. Ein Wort im statischen Kopfbereich oder gar auf der Fehlerseite beweist nichts.
  • Eine statische Datei prüfen. robots.txt bleibt erreichbar, lange nachdem die Anwendung stehen geblieben ist.
  • Die Antwortzeit ignorieren. Eine Seite, die fünfzehn Sekunden braucht, ist praktisch nicht erreichbar – auch mit Status 200.

Checkliste

  1. Jede wichtige Website von mindestens drei unabhängigen Standorten prüfen.
  2. Erst alarmieren, wenn die Mehrheit der Standorte den Fehler sieht.
  3. Vor einer Benachrichtigung die Bestätigung durch eine zweite Messung verlangen.
  4. Ein Stichwort ergänzen, das nur erscheint, wenn Anwendung und Datenbank arbeiten.
  5. Zeitgrenze von etwa zehn Sekunden und Takt von einer Minute einstellen.
  6. Sicherstellen, dass Firewall und Bot-Schutz die Prüfer durchlassen.
  7. Die curl-Befehle von oben griffbereit halten, um einen Alarm in einer Minute nachzuprüfen.

Wie Lynx Heartbeat dabei hilft

Lynx Heartbeat prüft Websites von vier Standorten aus – Nürnberg, Helsinki, Ashburn (USA) und Singapur – und löst erst dann einen Alarm aus, wenn sie sich einig sind: Jeder Standort, der gerade meldet, muss den Fehler sehen. Neben der einfachen HTTPS-Prüfung gibt es Prüfungen auf Stichwort, Zertifikatsablauf, Domain-Ablauf, Ping, TCP und DNS. Fehler werden entprellt, bevor eine Benachrichtigung hinausgeht, und die Entwarnung nennt die Dauer des Vorfalls. Die Prüfarten stehen auf der Funktionsseite, Pakete und enthaltene Monitore auf der Preisseite.

Häufige Fragen

Warum meldet mein Uptime-Monitoring Ausfälle, die sonst niemand bemerkt hat?

Ein einzelner Prüfstandort meldet jedes Problem auf seinem eigenen Netzweg als Ausfall Ihrer Website: Paketverlust, einen langsamen DNS-Resolver, eine Routing-Änderung bei einem Anbieter. Mit mehreren Standorten und Mehrheitsregel lösen solche lokalen Probleme keinen Alarm mehr aus.

Wie viele Prüfstandorte brauche ich?

Drei sind das praktische Minimum. Bei zwei Standorten lässt sich ein Widerspruch nicht entscheiden; bei dreien bilden zwei von drei eine Mehrheit. Die Standorte sollten nicht alle im selben Netz oder Rechenzentrum stehen.

Was ist eine Keyword-Prüfung?

Eine Keyword-Prüfung ruft die Seite ab und sucht einen Text, der nur erscheint, wenn die Seite funktioniert, etwa einen Produktnamen oder den Text der Fußzeile. Sie erkennt Seiten, die mit Status 200 antworten, aber einen Fehler, eine leere Seite oder die falsche Website zeigen.

Wie oft sollte eine Website geprüft werden?

Einmal pro Minute ist ein guter Ausgangswert für wichtige Websites. Zusammen mit der Regel, dass eine zweite Messung den Fehler bestätigen muss, wird ein echter Ausfall nach etwa zwei Minuten gemeldet.

Verzögert die Prüfung von mehreren Standorten die Erkennung echter Ausfälle?

Kaum. Einen echten Ausfall sehen alle Standorte in derselben Runde, die Mehrheit ist also sofort erreicht. Zurückgehalten werden nur Fehler, die ein einzelner Standort sieht.

Websites

Verwandte Artikel

Alle Artikel