ניטור צד שרת למובייל: הגדרת Prometheus + Grafana

תארו לעצמכם שהאפליקציה הניידת שלכם פתאום מתחילה לגמגם ו-Crashlytics נשאר שקט. משתמשים עוזבים, ואתם לא יכולים לראות למה. זהו מצב קלאסי שבו הבעיה היא בשרת האחורי — וללא ניטור היא בלתי ניתנת לגילוי. אנו מקימים את ערכת הניטור המלאה לשרתים אחוריים של אפליקציות ניידות באמצעות Prometheus ו-Grafana, כך שתראו כל כשל והאטה לפני שהם משפיעים על המשתמשים.

עם ניסיון של 5+ שנים, השלמנו מעל 50 הטמעות לפרויקטים של iOS ו-Android — מסטארטאפים ועד ארגונים. אנו מבטיחים שתוך 2 ימים מתחילת העבודה תהיה לכם לוח בקרה פעיל עם מדדים מרכזיים. ההשקעה בניטור מתחילה מ-$2,000 עבור הגדרה בסיסית, ומפחיתה עלויות תקלות בעד 80%. ההשקעה מחזירה את עצמה במהירות: היא מפחיתה את זמן גילוי התקלות ב-85%.

למה Prometheus?

לפי תיעוד Prometheus, מודל המשיכה (pull model) של איסוף מדדים מפשט גילוי של יעדים חדשים באמצעות service discovery ומפחית עומס רשת. Prometheus מתקנה ל-10^6 מדדים לכל מופע, פי 10 יותר מ-Zabbix, שמתחיל לפגר ב-10^5. מודל הנתונים הרב-ממדי עם תוויות (labels) מאפשר סינון ואגרגציה גמישים — לדוגמה, ניתן לראות זמן השהיה רק עבור נקודות קצה עם שיטת POST.

אילו מדדים קריטיים לשרת אחורי של אפליקציה ניידת?

עבור שרת אחורי של אפליקציה ניידת, ארבע קבוצות מדדים הן קריטיות:

בנוסף, אנו ממליצים לנטר אישורי SSL: פקיעת תוקף פירושה שמשתמשים לא יכולים להתחבר. לשם כך אנו משתמשים ב-blackbox_exporter.

איך לבצע אינסטרומנטציה לשרת ה-API?

Prometheus מצפה למדדים בפורמט משלו. קיימות ספריות לקוח מוכנות לשפות שונות:

# Python (FastAPI / Flask)
from prometheus_fastapi_instrumentator import Instrumentator

app = FastAPI()
Instrumentator().instrument(app).expose(app)
# Endpoint /metrics появляется автоматически

// Go (Echo / Gin)
import "github.com/prometheus/client_golang/prometheus/promhttp"

func setupMetrics(e *echo.Echo) {
	httpRequestsTotal := prometheus.NewCounterVec(
		prometheus.CounterOpts{Name: "http_requests_total"},
		[]string{"method", "path", "status"},
	)
	prometheus.MustRegister(httpRequestsTotal)

	e.Use(func(next echo.HandlerFunc) echo.HandlerFunc {
		return func(c echo.Context) error {
			err := next(c)
			httpRequestsTotal.WithLabelValues(
				c.Request().Method,
				c.Path(),
				strconv.Itoa(c.Response().Status),
			).Inc()
			return err
		}
	})

	e.GET("/metrics", echo.WrapHandler(promhttp.Handler()))
}

חשוב: אל תיצרו מדד עם # Python (FastAPI / Flask) from prometheus_fastapi_instrumentator import Instrumentator app = FastAPI() Instrumentator().instrument(app).expose(app) # Endpoint /metrics появляется автоматически כתווית בעלת קרדינליות גבוהה — אם הנתיב מכיל user_id או ערכים דינמיים אחרים, Prometheus ייחנק. נמקו את הנתיב: // Go (Echo / Gin) import "github.com/prometheus/client_golang/prometheus/promhttp" func setupMetrics(e *echo.Echo) { httpRequestsTotal := prometheus.NewCounterVec( prometheus.CounterOpts{Name: "http_requests_total"}, []string{"method", "path", "status"}, ) prometheus.MustRegister(httpRequestsTotal) e.Use(func(next echo.HandlerFunc) echo.HandlerFunc { return func(c echo.Context) error { err := next(c) httpRequestsTotal.WithLabelValues( c.Request().Method, c.Path(), strconv.Itoa(c.Response().Status), ).Inc() return err } }) e.GET("/metrics", echo.WrapHandler(promhttp.Handler())) } → path. אנו גם מגדירים מדדים מותאמים אישית ללוגיקה עסקית: מספר הזמנות, שגיאות אימות, זמן תגובה של API חיצוני.

איזו תצורת Prometheus עובדת לייצור?

/users/12345/profile בסיסי לשרת אחורי נייד:

---
global:
  scrape_interval: 15s
  evaluation_interval: 15s
scrape_configs:
  - job_name: 'api-server'
    static_configs:
      - targets: ['api:8080']
    metrics_path: /metrics
  - job_name: 'postgres'
    static_configs:
      - targets: ['postgres-exporter:9187']
  - job_name: 'redis'
    static_configs:
      - targets: ['redis-exporter:9121']
  - job_name: 'node'
    static_configs:
      - targets: ['node-exporter:9100']

לייצור, השתמשו ב-Service Discovery דרך Consul או Kubernetes service discovery במקום /users/:id/profile. הוסיפו גם prometheus.yml של 10 שניות כדי להימנע מהמתנה לנקודות קצה תלויות.

איך אנחנו עושים את זה: מקרה בוחן

אחד הלקוחות שלנו עם אפליקציית משלוחים ניידת חווה עלייה בזמן השהיה p99 ל-12 שניות. לאחר הטמעת ניטור, גילינו צוואר בקבוק בשאילתת PostgreSQL — אינדקס חסר. האופטימיזציה ארכה שעתיים, וזמן ההשהיה ירד ל-200ms (הפחתה של 98%, שיפור פי 60). ללא ניטור, הבעיה הזו הייתה יכולה להיעלם מעיניים במשך שבועות.

אילו לוחות בקרה אנו בונים ב-Grafana?

אתם לא חייבים לבנות לוחות בקרה מאפס — Grafana.com/dashboards מכיל לוחות מוכנים: ID 1860 עבור Node Exporter, ID 9628 עבור PostgreSQL דרך postgres_exporter. ייבאו אותם בלחיצה אחת.

לניטור API אנו בונים לוח בקרה מותאם אישית עם פאנלים מרכזיים:

• global: scrape_interval: 15s evaluation_interval: 15s scrape_configs: - job_name: 'api-server' static_configs: - targets: ['api:8080'] metrics_path: /metrics - job_name: 'postgres' static_configs: - targets: ['postgres-exporter:9187'] - job_name: 'redis' static_configs: - targets: ['redis-exporter:9121'] - job_name: 'node' static_configs: - targets: ['node-exporter:9100'] — RPS לכל נקודת קצה
• static_configs — זמן השהיה p95
• scrape_timeout — שיעור שגיאות

איך להגדיר התראות?

Grafana Alerting או Alertmanager — אנו מגדירים ספים עבור PagerDuty/Telegram/Slack. סט ההתראות המינימלי לשרת אחורי נייד:

---
# alerting/rules.yml
groups:
  - name: api
    rules:
      - alert: HighErrorRate
        expr: rate(http_requests_total{status=~"5.."}[5m]) / rate(http_requests_total[5m]) > 0.05
        for: 2m
        labels:
          severity: critical
        annotations:
          summary: "Error rate > 5% on {{ $labels.job }}"
      - alert: HighLatency
        expr: histogram_quantile(0.95, rate(http_request_duration_seconds_bucket[5m])) > 1
        for: 5m
        annotations:
          summary: "p95 latency > 1s"
---

... / rate(...) — הימנעו מהפעלת התראות עבור קפיצות קצרות, רק עבור הידרדרות מתמשכת. הוראות שלב-אחר-שלב:

1. התקינו את Alertmanager והגדירו מקלטים (Telegram, Slack).
2. צרו קובץ rules.yml עם הכללים המתוארים.
3. הוסיפו את הקובץ ל-pg_stat_activity_count תחת redis_queue_length.
4. אמתו את הכללים עם # alerting/rules.yml groups: - name: api rules: - alert: HighErrorRate expr: rate(http_requests_total{status=~"5.."}[5m]) / rate(http_requests_total[5m]) > 0.05 for: 2m labels: severity: critical annotations: summary: "Error rate > 5% on {{ $labels.job }}" - alert: HighLatency expr: histogram_quantile(0.95, rate(http_request_duration_seconds_bucket[5m])) > 1 for: 5m annotations: summary: "p95 latency > 1s" .
5. הגדירו ניתוב: התראות קריטיות עוברות ל-Telegram/PagerDuty, אזהרות ל-Slack.
6. בדקו את ההתראות על ידי יצירת קפיצה (לדוגמה, פגיעה בנקודת קצה 500) כדי לוודא מסירה.

טעויות נפוצות בהגדרת ניטור

• תוויות בעלות קרדינליות גבוהה — אל תכללו user_id או session_id בנתיב.
• ספי התראה חסרים — בלעדיהם אתם לומדים על בעיות רק מהמשתמשים.
• התעלמות מזמן השהיה p99 — הממוצע מסתיר האטות מזדמנות.
• scrape_interval שגוי — איסוף נדיר מדי מפספס קפיצות קצרות.

תוצרים

• קבצי Docker Compose או Kubernetes manifests עבור Prometheus, Grafana, Alertmanager, כולם מוגדרים מראש.
• אינסטרומנטציה של שרת ה-API (Python / Go / Node.js / Java) עם מדדים עסקיים מותאמים אישית.
• חיבור של exporters: postgres_exporter, redis_exporter, node_exporter, וכל אחר שנדרש.
• לוחות בקרה מותאמים אישית של Grafana המותאמים לאפליקציה שלכם, עם הערות (annotations) לפריסות.
• הגדרת התראות עם ניתוב ל-Telegram / Slack / PagerDuty, כולל תרחישי בדיקה.
• תיעוד של כל המדדים, ספי ההתראות, ומדריך לפתרון תקלות.
• מפגש הדרכה לצוות שלכם (עד שעתיים) על שימוש בלוחות בקרה ושינוי התראות.
• 30 ימי תמיכה לאחר ההגדרה לכיוונון עדין.

לוח זמנים ועלות

הגדרה בסיסית עם לוחות בקרה והתראות מוכנים: 2–3 ימים. ערכה מלאה עם מדדים מותאמים אישית, אינסטרומנטציה לקוד, ותצורה מוכנה לייצור: 4–6 ימים. העלות מתחילה מ-$2,000 עבור בסיסי ומחושבת באופן אישי עבור ערכה מלאה. צרו קשר להערכת פרויקט — נציע את הפתרון הטוב ביותר.

הזמינו הגדרת ניטור — נעריך את הפרויקט שלכם תוך יום אחד. קבלו ייעוץ על בחירת מדדים וספי התראות.