Мониторинг Swift приложений: метрики и алерты продвинутого уровня

Введение: Почему мониторинг Swift-приложений — это must-have для продакшена

Когда ваше Swift-приложение выходит в продакшен, недостаточно просто убедиться, что оно не падает. Современные пользователи требуют отзывчивости, стабильности и скорости. Без системы мониторинга вы летите вслепую: задержки в UI, утечки памяти, медленные сетевые запросы — всё это остаётся незамеченным до первых негативных отзывов. В этой статье мы разберём продвинутый уровень мониторинга Swift-приложений: от сбора кастомных метрик до настройки алертов в реальном времени. Вы узнаете, как использовать os_log, Signposts, интеграцию с Prometheus и Grafana, а также как автоматически реагировать на аномалии.

1. Архитектура сбора метрик в Swift: от OSLog до кастомных провайдеров

Базовый мониторинг в Swift строится на os_log и OSSignposter. Но для продвинутого анализа этого мало. Нужна единая шина данных, которая агрегирует метрики из разных источников: сеть, UI, фоновая обработка, память.

1.1. Использование OSSignposter для замера производительности

OSSignposter — это мощный инструмент для профилирования. Он позволяет создавать интервальные и дискретные события, которые затем видны в Instruments и могут быть экспортированы в кастомные дашборды.

import os

let signposter = OSSignposter(subsystem: "com.yourapp.network", category: "API")

// Замер времени выполнения запроса
let state = signposter.beginInterval("FetchUserData", id: signposter.makeSignpostID())
URLSession.shared.dataTask(with: url) { data, _, error in
    if let error = error {
        signposter.emitEvent("Error", "\(error.localizedDescription)")
    }
    signposter.endInterval("FetchUserData", state)
}.resume()

Совет: группируйте интервалы по типу операции (сеть, база данных, рендеринг), чтобы в дашборде видеть общую картину.

1.2. Кастомный MetricCollector

Создайте класс-синглтон, который собирает метрики в потокобезопасный буфер и отправляет их на сервер раз в N секунд. Это основа для интеграции с любым бэкендом.

final class MetricCollector {
    static let shared = MetricCollector()
    private let queue = DispatchQueue(label: "com.yourapp.metrics", qos: .utility)
    private var buffer: [String: Double] = [:]
    
    func record(_ name: String, value: Double) {
        queue.async {
            self.buffer[name, default: 0] += value
        }
    }
    
    func flush() -> [String: Double] {
        queue.sync {
            let copy = self.buffer
            self.buffer.removeAll()
            return copy
        }
    }
}

2. Кастомные метрики для Swift: что измерять и как

Стандартные метрики (FPS, использование памяти) — это база. Продвинутый уровень требует бизнес-метрик и метрик пользовательского опыта.

• Время до интерактивности (TTI): Замер от запуска приложения до момента, когда пользователь может совершить первое действие.
• Частота ошибок бизнес-логики: Например, неудачные попытки входа, сбои при оплате.
• Размер кэша и диска: Контроль, чтобы приложение не занимало гигабайты.
• Скорость анимаций: Замер кадров в секунду (FPS) с помощью CADisplayLink.

2.1. Пример: мониторинг FPS с алертом на низкую производительность

import UIKit

final class FPSMonitor {
    private var displayLink: CADisplayLink?
    private var lastTimestamp: CFTimeInterval = 0
    private var frameCount = 0
    
    func start() {
        displayLink = CADisplayLink(target: self, selector: #selector(tick))
        displayLink?.add(to: .main, forMode: .common)
    }
    
    @objc private func tick() {
        frameCount += 1
        let delta = displayLink?.targetTimestamp ?? 0 - lastTimestamp
        if delta >= 1.0 {
            let fps = Double(frameCount) / delta
            if fps < 30 {
                MetricCollector.shared.record("fps_low", value: 1)
                // Отправка алерта: логируем событие
                os_log(.error, "FPS dropped to %.0f", fps)
            }
            frameCount = 0
            lastTimestamp = displayLink?.targetTimestamp ?? 0
        }
    }
}

3. Настройка алертов: от простых порогов до ML-аномалий

Алерты — это не просто уведомление "память превысила 500 МБ". Продвинутый подход включает адаптивные пороги и предиктивную аналитику.

3.1. Алерты на основе скользящего окна

Используйте среднее значение за последние 5 минут, чтобы отсечь выбросы. Реализуйте на стороне сервера (например, в Prometheus с правилами avg_over_time) или прямо в приложении.

// Пример: алерт, если средняя задержка API за 5 минут > 2 секунд
func checkAverageLatency(metrics: [Double]) {
    let window = metrics.suffix(300) // 5 минут * 60 записей (если 1 запись в секунду)
    let avg = window.reduce(0, +) / Double(window.count)
    if avg > 2.0 {
        sendAlert("High latency: \(avg) seconds average")
    }
}

3.2. Интеграция с Push-уведомлениями и Slack

Для критических алертов используйте UNUserNotificationCenter для локальных уведомлений или вебхуки в Slack/Telegram.

func sendAlert(_ message: String) {
    // Локальное уведомление
    let content = UNMutableNotificationContent()
    content.title = "⚠️ Performance Alert"
    content.body = message
    let request = UNNotificationRequest(identifier: UUID().uuidString,
                                        content: content,
                                        trigger: nil)
    UNUserNotificationCenter.current().add(request)
    
    // Вебхук в Slack (пример)
    let payload = ["text": message]
    guard let jsonData = try? JSONSerialization.data(withJSONObject: payload) else { return }
    var request = URLRequest(url: URL(string: "https://hooks.slack.com/services/YOUR/WEBHOOK")!)
    request.httpMethod = "POST"
    request.httpBody = jsonData
    URLSession.shared.dataTask(with: request).resume()
}

4. Инте