Golden Signals fürs Networking: Latenz, Errors, Saturation, Drops

Golden Signals fürs Networking sind der pragmatische Kern einer belastbaren Netzwerk-Observability: Sie reduzieren eine komplexe Welt aus Protokollen, Topologien, Overlays und Cloud-Abstraktionen auf vier Signalgruppen, die im Incident wirklich zählen – Latenz, Errors, Saturation und Drops. Während viele Teams „Netzwerk-Monitoring“ noch mit Interface-Graphen und Ping-Checks gleichsetzen, brauchen moderne Plattform- und SRE-Organisationen eine Sicht, die Ursache…

„It’s the Network“ vs. „It’s the App“: Entscheidungs-Framework fürs On-Call

„It’s the Network“ vs. „It’s the App“ ist einer der häufigsten Streitpunkte im On-Call – und gleichzeitig einer der größten Hebel, um MTTR zu senken. Wenn Symptome wie Timeouts, 502/503/504, sporadische Disconnects oder steigende Latenz auftreten, wirkt „das Netzwerk“ als naheliegender Schuldiger. In der Praxis steckt jedoch oft eine Mischung aus Transporteffekten, Konfigurationsdrift, Retries, Ressourcenengpässen…

Synthetic Monitoring, das nicht täuscht: Checks pro Layer designen

Synthetic Monitoring, das nicht täuscht, ist mehr als „alle 60 Sekunden eine URL abrufen“. In modernen Cloud- und Microservice-Umgebungen entstehen Ausfälle oft schleichend, selektiv oder nur unter bestimmten Pfaden: DNS löst sporadisch nicht auf, TLS-Handshakes werden langsam, ein Load Balancer verwirft Idle Sessions, oder ein einzelnes AZ zeigt Paketverlust. Ein einziger synthetischer HTTP-Check kann dabei…

„Network Readiness Review“ für einen neuen Produkt-Launch erstellen

Eine „Network Readiness Review“ ist für einen neuen Produkt-Launch das, was ein technischer Sicherheitscheck für ein Flugzeug vor dem Start ist: Sie stellt sicher, dass die Netz- und Traffic-Schicht nicht zum versteckten Single Point of Failure wird. Gerade bei Launches entstehen Lastspitzen, neue Client-Typen (Mobile Apps, Partner-Integrationen, Bots), zusätzliche Regionen und neue Abhängigkeiten (CDN, WAF,…

Packet Capture in der Cloud: Wann nötig – wann overkill

Packet Capture in der Cloud klingt für viele Teams nach der „ultimativen Wahrheit“: Wenn wir nur genug Pakete mitschneiden, sehen wir schon, was wirklich passiert. In der Praxis ist das nur teilweise richtig. Ja, ein Mitschnitt kann in Minuten klären, ob ein Timeout durch Retransmissions entsteht, ob ein Load Balancer Sessions beendet oder ob eine…

OSI-Modell für Platform Engineering: Skalierbarer Troubleshooting-Standard

Das OSI-Modell für Platform Engineering ist mehr als ein Lehrbuchkonzept: Es kann als skalierbarer Troubleshooting-Standard dienen, der Teams im On-Call entlastet, Wissenssilos reduziert und Incident-Analysen vergleichbar macht. In modernen Plattformen treffen klassische Netzwerktechnik, Cloud-Native-Patterns, Service Mesh, Kubernetes, API-Gateways, Observability-Stacks und Security Controls aufeinander. Dadurch entstehen Symptome, die sich ähnlich anfühlen, aber völlig unterschiedliche Ursachen haben:…

VPC Flow Logs vs. APM Traces: Evidence von L3 bis L7 zusammenführen

VPC Flow Logs vs. APM Traces sind in vielen Organisationen zwei getrennte Welten: Das Netzwerkteam schaut auf Verbindungsmetadaten, das Applikationsteam auf verteilte Traces und Service-Metriken. Im Incident führt diese Trennung oft zu Diskussionen statt zu Evidenz: „Die App ist langsam“, „das Netzwerk droppt“, „der Load Balancer ist schuld“. Der produktive Weg ist, Evidence von L3…

Distributed Tracing für „network-ish“ Problems: Richtig lesen

Distributed Tracing für „network-ish“ Problems ist für viele Teams der schnellste Weg, um nebulöse Symptome wie „Timeouts“, „sporadische Disconnects“ oder „plötzlich hohe Tail Latency“ in konkrete Beweisketten zu übersetzen. Gleichzeitig ist genau hier das Risiko am größten, Traces falsch zu lesen: Ein Trace zeigt nicht „das Netzwerk“, sondern die Zeit, die eine Anwendung im Kontext…

Layer 7 für SRE: HTTP-Semantik, Retries und Idempotency

Für viele SRE-Teams ist „das Netzwerk“ oft der erste Verdacht, wenn Latenzen steigen oder Fehlerquoten kippen. In der Praxis liegt die Ursache jedoch häufig auf Layer 7 – also in der Anwendungsschicht: HTTP-Semantik, Statuscodes, Caching-Regeln, Timeouts, Retries und vor allem Idempotency. Wer Layer 7 für SRE beherrscht, kann Incidents schneller triagieren, Retry-Stürme vermeiden und eine…

DNS als Single Point of Failure: Oft vergessene Reliability-Praktiken

DNS als Single Point of Failure ist einer der häufigsten Gründe, warum ansonsten robuste Systeme plötzlich „komplett down“ wirken – obwohl Compute, Datenbank und Load Balancer eigentlich laufen. Der Grund ist simpel: Ohne funktionierende Namensauflösung finden Clients die richtigen Ziele nicht. Schon kleine DNS-Störungen (Timeouts, falsche Antworten, abgelaufene Records, fehlgeschlagene Zone-Transfers oder fehlerhafte Delegationen) können…