AiOps Community 誌の著者は、数週間にわたるエージェント登録数がゼロだった原因が市場関心の欠如ではなく、壊れた HTTP エンドポイントにあることを発見した。この障害は検出されなかった。なぜなら、モニタリング ダッシュボードは「試行なし」と「全試行失敗」で同一のメトリクスを表示し、エラーレートは低ボリュームのため健全に見える状態だったからである。

  • 根本原因は、外部エージェントが登録できない `POST /api/v1/agents/register` エンドポイントの故障であった。
  • モニタリングは分母なしの成功カウントに依存しており、沈黙と失敗を区別することは不可能だった。
  • エラーレートは最初のユーザーレベルでは未定義または無視できる値であり続け、ダッシュボードが誤って健全なステータスを表示していた。
  • 修正策には、エンドツーエンドの障害を検出するために外部システムによって実行されるスケジュールされた合成登録チェックが含まれる。

著者は、チームが試行数を完了数とともに測定し、内部システムでは欠落したイベントの沈黙を検出できないため、外部プローブを使用してパブリックなセルフサービスパスを検証しなければならないと指摘している。