아무도 알림을 만들지 않은 문제를 잡아냅니다

Maple은 각 서비스가 하루 중 시간대별로 어떻게 동작하는지 학습합니다. 오류율, 지연 시간, 트래픽 또는 특정 오류가 크게 벗어나면 근거가 되는 수치와 함께 이상을 기록합니다.

움직임

자기 자신의 한 주와 비교한 서비스

띠는 지난 7일간 같은 시간대의 checkout p95입니다. 두 번 연속으로 크게 넘으면 이상이 기록됩니다. 기준선의 4배가 되면 심각으로 분류됩니다.

anomalies · checkout · latency_p95 LIVE

p95 latency · last 3h baseline · same hour ±1, 7 days

healthy open · critical breaching checks 0/2 1/2 2/2

anomaly no rule

service checkout

environment production

observed 1,240 ms

baseline 310 ms

threshold 465 ms

deviation 4.0× baseline

Open investigation Link issue

checked every 5 min · opens after 2 breaches resolves after 3 healthy checks

할 수 있는 일

오류율: 서비스와 환경별 실패한 요청의 비율을 지난주 같은 시간대와 비교합니다. 판단하려면 한 시간에 요청이 50건 이상 필요합니다.
p95 지연 시간: 띠를 크게 벗어나고 50 ms 이상 느려진 경우를 감지합니다. 매일 밤 느린 배치 작업은 기준선의 일부입니다.
트래픽 손실: 평소 바쁜 서비스가 거의 0으로 떨어진 경우입니다. 한가한 일요일은 해당하지 않으며, 평소 트래픽의 95%를 잃었을 때 감지합니다.
오류 급증: 특정 오류가 30분 동안 평소보다 훨씬 자주 발생한 경우입니다. 같은 서비스의 급증은 하나로 묶이고 이슈에 연결됩니다.
오류 로그: 서비스별 오류 수준 로그의 급증입니다. 실패한 스팬으로 나타나지 않는 장애도 잡아냅니다.
조사까지 자동으로: 어떤 이상에서든 조사를 시작할 수 있습니다. AI 분류를 켜면 새 이상마다 에이전트가 살펴보고 결과를 첨부합니다.

엔드포인트 하나, 키 하나. 트레이스·로그·메트릭·세션이 첫 요청부터 같은 트레이스 ID로 모입니다.