운영하기 - 로그·지표·장애 대응
이 장에서 배우는 것
앞 장에서 만든 배포 구조에서는 리버스 프록시가 요청을 받아 애플리케이션에 전달하고, 애플리케이션은 필요할 때 데이터베이스를 조회한다. 동네 소모임 사이트의 참가 신청이 늦어진다는 연락을 받으면, 이 구조를 바탕으로 어디에서 무슨 일이 있었는지 확인해야 한다. 이 장에서는 애플리케이션 접근 로그를 읽어 어느 시간 구간에 응답이 느려졌는지 찾고, 개별 요청을 추적할 단서를 남긴다.
- 요청 ID, 처리 소요 시간, 응답 상태를 구조화 로그의 필드로 남긴다.
- 요청을 일정한 시간 구간에 나누고 느린 요청의 ID를 찾는다.
- 구간별 오류율과 응답 시간 지표를 계산하고 각각의 의미를 설명한다.
- 장애 기록에서 확인한 증상과 영향, 원인과 재발 방지 조치를 구체적으로 적는다.
문제 상황
저녁 모임 공지를 올린 직후, 운영자에게 참가 신청 버튼을 눌렀는데 한참 동안 결과가 보이지 않았다는 연락이 온다. 같은 시각에 공지 목록을 열어 본 운영자는 정상적으로 화면을 받는다. 운영자가 지금 목록 페이지를 열 수 있다는 사실만으로는, 앞서 들어온 신청 요청이 얼마나 지연됐는지나 어떤 결과로 끝났는지 알 수 없다.
버튼을 누른 사람의 화면에서는 응답을 기다리는 중인지, 신청이 저장됐지만 응답을 받지 못했는지 구분하기 어렵다. 접근 로그의 상태 코드는 애플리케이션이 어떤 HTTP 응답을 기록했는지 알려 준다. 신청이 실제로 저장됐는지 확인하려면 해당 요청과 연결된 처리 기록이나 데이터베이스 상태도 살펴야 한다. 접수 여부를 확인하기 전에 신청을 다시 하라고 안내하면, 기존 신청과 재시도를 구별하는 일이 더 어려워질 수 있다.
우선 연락을 받은 시각과 사용자가 한 동작을 적는다. 그 전후의 로그를 나눠 보고, 참가 신청과 공지 목록 요청이 각각 어떤 상태로 끝났는지 살펴본다. 이 장의 예제에서는 이런 판단을 연습할 수 있도록 두 종류의 요청을 섞은 고정 로그를 사용한다.
한 줄에 한 요청을 기록한다
구조화 로그(structured log)는 기록을 이름이 붙은 필드로 남긴다. 같은 종류의 기록에 같은 필드 이름과 자료형을 사용하면 프로그램이 문장의 표현이나 단어 순서에 기대지 않고 필요한 값을 읽을 수 있다. 예제는 한 줄에 JSON 객체 하나를 쓰는 형식을 사용한다. 각 줄이 독립적이어서 파일을 한 줄씩 읽으며 집계할 수 있다.
| 필드 | 예시 값 | 확인할 내용 |
|---|---|---|
finished_at | 2026-10-15T09:01:20Z | 응답 처리가 끝난 UTC 시각과 집계 구간 |
request_id | req-005 | 다른 로그에서 같은 요청을 찾는 식별자 |
method, route | POST /meetups/{id}/join | 사용자가 시도한 동작과 처리 경로 |
duration_ms | 900 | 애플리케이션에서 요청을 처리한 밀리초 |
status | 503 | 애플리케이션이 기록한 HTTP 응답 상태 |
요청 ID는 요청 하나에 부여한다. 예를 들어 리버스 프록시에서 ID를 생성하고 애플리케이션에 전달하도록 구성하면, 두 곳에서 같은 ID를 검색해 각 계층의 기록을 연결할 수 있다. 사용자가 같은 버튼을 다시 눌러 별도 요청을 보내면 그 요청에는 별도 ID가 붙는다. 따라서 요청 ID로 요청을 셀 수 있고, 사용자 수를 구하려면 그 목적에 맞는 집계가 따로 필요하다.
실행 중 소요 시간을 측정할 때는 처리 시작과 종료에서 time.perf_counter_ns()를 호출하고 두 값의 차이를 사용한다. 로그에 적는 완료 시각은 실제 달력 시각을 UTC로 기록한다. 완료 시각은 어떤 구간에 속하는지 알려 주고, 소요 시간은 처리에 얼마나 걸렸는지 알려 준다. 예제의 소요 시간은 애플리케이션에서 잰 값을 가정한다. 브라우저에서 버튼을 누르고 화면이 갱신될 때까지는 네트워크 대기와 화면 처리 시간도 들어갈 수 있다.
경로에는 식별자를 자리표시자로 바꾼 라우트 패턴을 사용한다. 모임마다 숫자가 달라도 참가 신청을 같은 동작으로 모아 볼 수 있다. 이 집계에 필요한 정보만 남기면 된다. 요청 본문, 쿠키, 검색 매개변수, 연락처는 예제 접근 로그의 필드에서 제외한다.
시간 구간으로 지표를 계산한다
예제는 완료 시각을 기준으로 UTC 1분 구간에 요청을 넣는다. 09시 00분 구간에는 09시 00분 00초부터 09시 01분 00초 직전까지 완료된 요청이 들어간다. 정확히 09시 01분 00초에 끝난 요청은 다음 구간에 넣는다. 이렇게 시작은 포함하고 끝은 제외하면 경계에 있는 요청도 한 번만 센다. 앞 구간에서 시작해 다음 구간에서 끝난 요청도 완료된 쪽에 들어간다. 따라서 표의 요청 수는 그 분에 완료된 요청 수를 뜻한다.
소요 시간이 500밀리초 이상이면 느린 요청으로 분류한다. 이 값은 예제를 위한 조사 기준이다. 신청 버튼을 누른 뒤 어느 정도의 응답 시간이 필요한지는 서비스의 동작과 관찰한 기록을 근거로 정한다. 느린 요청을 발견하면 완료 시각과 요청 ID를 확인한다. 완료 시각으로 살펴볼 범위를 좁힌 뒤, 요청 ID로 관련 기록을 연결하면 같은 분에 끝난 다른 요청과 구별할 수 있다.
오류율의 분자는 응답 상태가 500 이상 599 이하인 요청 수이고, 분모는 그 구간에 기록된 전체 요청 수다. 예제에서 404는 분모에 들어간다. 이 지표는 서버 오류 응답의 비율을 보기 위해 정의했다. 주소를 잘못 입력했거나 신청 조건을 충족하지 못한 사례까지 살펴보려면 4xx 응답을 따로 집계하고 상태 코드와 문맥을 함께 확인한다. 서버 오류가 1건이라는 정보도 요청이 총 2건인 경우와 200건인 경우에 해석이 달라지므로, 오류율 옆에 건수와 분모를 표시한다.
응답 시간은 평균과 95백분위수(p95)를 계산한다. 평균은 전체 소요 시간의 합을 요청 수로 나눈 값이다. 예제의 95백분위수는 소요 시간을 오름차순으로 정렬한 뒤, 요청 수에 0.95를 곱하고 올림한 순위의 값을 고른다. 순위는 1부터 시작한다. 요청이 20건이면 19번째 값이다. 예제처럼 요청이 2건이나 4건이면 가장 느린 값이 선택되므로, 한 건의 지연으로도 값이 크게 달라질 수 있다. 이 값을 볼 때 표본 수와 계산 방식을 함께 확인한다.
응답이 느린 요청과 서버 오류 응답은 서로 겹칠 수 있다. 오래 걸린 뒤 신청을 받았다는 응답이 돌아올 수도 있고, 짧은 시간 안에 서버 오류를 반환할 수도 있다. 예제는 두 조건을 각각 세고 느린 요청의 상태를 함께 출력한다. 로그가 한 줄도 없는 구간은 출력하지 않는다. 로그가 없었던 분을 장애 없이 운영한 분으로 해석하려면 먼저 요청이 실제로 없었는지, 수집이 끊겼는지 확인해야 한다.
장애 기록에 관찰과 판단을 남긴다
참가 신청이 늦어진다는 연락이 오면 먼저 신고 시각과 증상을 남긴다. 시간 구간별 지표로 영향 범위를 좁히고, 느린 요청의 ID로 관련 기록을 찾는다. 공지 목록 요청은 계속 처리됐는지, 신청 응답에서도 정상과 오류가 섞여 있었는지 확인하면 사용자에게 안내할 범위를 정할 수 있다. 복구 조치를 했다면 실행 시각과 이후 지표를 기록한다. 조사 중에 세운 가설과 나중에 확인한 원인이 뒤섞이지 않도록, 확인 여부와 근거도 함께 적는다.
| 항목 | 기록할 내용 | 예시 |
|---|---|---|
| 증상 | 신고 시각과 사용자가 경험한 동작, 로그에서 관찰한 결과 | 09시 01분 UTC 무렵 참가 신청 응답이 늦다는 신고가 들어왔다. 해당 분의 로그에서 900밀리초가 걸린 503 응답을 확인했다. |
| 영향 | 대상 기능, 확인한 구간, 요청 건수와 아직 모르는 범위 | 09시 01분 구간에서 완료된 참가 신청 요청 1건이 503이었다. 해당 요청의 저장 여부와 영향받은 사용자 수는 확인 중이다. |
| 원인 | 확인 상태, 근거가 되는 요청 ID와 조사 결과 | 원인 확인 중. req-005의 애플리케이션 처리 기록을 찾아 어느 단계에서 대기했는지 확인한다. |
| 재발 방지 | 조치, 담당 역할, 확인 기준 | 운영 담당자가 참가 신청 경로의 지연을 따로 확인할 수 있게 집계를 보완한다. 고정 로그를 넣었을 때 해당 경로의 느린 요청 건수와 ID가 일치하는지 검증한다. |
접근 로그에서 503과 900밀리초를 확인해도, 그 시간 중 얼마를 데이터베이스에서 썼는지는 알 수 없다. 데이터베이스 대기를 의심한다면 요청 ID와 연결된 쿼리 처리 시간 같은 근거를 더 확인한다. 표의 재발 방지 예시는 같은 증상을 더 쉽게 발견하기 위한 조치다. 원인이 확인되면 그 원인을 줄이는 조치와 검증 기준도 기록한다.
완성 코드
다음 코드를 main.py에 저장한다. 프로그램은 파일에 기록된 접근 로그와 같은 형식의 예시 데이터를 문자열로 읽는다. 여섯 줄의 데이터에는 분 경계에 끝나는 요청, 기준값에 딱 맞는 느린 요청, 빠르게 끝난 404 응답이 들어 있다. 파일이나 서버 없이도 매번 같은 조건으로 집계를 확인할 수 있다.
import json
from collections import defaultdict
from datetime import datetime, timedelta
ACCESS_LOG = """\
{"finished_at":"2026-10-15T09:00:05Z","request_id":"req-001","method":"GET","route":"/meetups","duration_ms":120,"status":200}
{"finished_at":"2026-10-15T09:00:20Z","request_id":"req-002","method":"POST","route":"/meetups/{id}/join","duration_ms":500,"status":201}
{"finished_at":"2026-10-15T09:00:45Z","request_id":"req-003","method":"GET","route":"/meetups/{id}","duration_ms":80,"status":404}
{"finished_at":"2026-10-15T09:00:58Z","request_id":"req-004","method":"GET","route":"/meetups","duration_ms":300,"status":200}
{"finished_at":"2026-10-15T09:01:20Z","request_id":"req-005","method":"POST","route":"/meetups/{id}/join","duration_ms":900,"status":503}
{"finished_at":"2026-10-15T09:01:00Z","request_id":"req-006","method":"GET","route":"/meetups","duration_ms":100,"status":200}
"""
SLOW_MS = 500
def group_by_minute(log_text):
groups = defaultdict(list)
for line in log_text.splitlines():
if not line.strip():
continue
entry = json.loads(line)
finished_at = datetime.fromisoformat(entry["finished_at"])
minute = finished_at.replace(second=0, microsecond=0)
groups[minute].append(entry)
return groups
def print_report(groups):
for minute, entries in sorted(groups.items()):
count = len(entries)
durations = sorted(entry["duration_ms"] for entry in entries)
mean_ms = sum(durations) / count
p95_rank = (95 * count + 99) // 100
p95_ms = durations[p95_rank - 1]
errors = sum(500 <= entry["status"] < 600 for entry in entries)
error_rate = errors / count * 100
slow_entries = sorted(
(entry for entry in entries if entry["duration_ms"] >= SLOW_MS),
key=lambda entry: (-entry["duration_ms"], entry["request_id"]),
)
end = minute + timedelta(minutes=1)
print(f"{minute:%Y-%m-%d %H:%M} ~ {end:%H:%M} UTC")
print(
f" 요청 {count}건 | "
f"오류 {errors}/{count} ({error_rate:.1f}%) | "
f"평균 {mean_ms:.1f}ms | p95 {p95_ms}ms | "
f"느린 요청 {len(slow_entries)}건"
)
for entry in slow_entries:
print(
f" - {entry['request_id']} "
f"{entry['method']} {entry['route']} "
f"{entry['duration_ms']}ms 상태 {entry['status']}"
)
def main():
print_report(group_by_minute(ACCESS_LOG))
if __name__ == "__main__":
main()
줄별 해설
ACCESS_LOG는 JSON 객체 여섯 개를 줄 단위로 담는다. 모든 완료 시각에 붙은Z는 UTC를 뜻한다. 마지막 줄의 완료 시각은 바로 앞줄보다 이르다. 파일의 줄 순서를 시간 순서로 가정했을 때 어떤 문제가 생기는지 점검할 수 있도록 배치했다.splitlines()로 줄을 나누고 공백만 있는 줄은 건너뛴다.json.loads(line)은 한 줄을 딕셔너리로 바꾼다. 예제는 정해진 형식의 데이터만 처리한다. 잘못된 JSON이나 필수 필드가 있는 줄을 임의로 버리면 총요청 수와 오류율이 달라질 수 있으므로, 실제 수집기에서는 읽지 못한 줄 수를 따로 확인할 수 있어야 한다.datetime.fromisoformat()은 시각 문자열을 날짜·시간 객체로 바꾼다. 예시 입력은 모두 UTC이므로 초와 마이크로초를 0으로 바꾼 값이 해당 UTC 구간의 시작이다.defaultdict(list)는 처음 만난 시작 시각에 빈 리스트를 마련하고,append()는 그 요청을 구간에 담는다.sorted(groups.items())는 구간을 시작 시각 순으로 출력한다. 각 구간에는 묶는 과정에서 넣은 요청이 한 건 이상 있으므로count로 나눌 수 있다. 소요 시간을 정렬한 뒤 합을 요청 수로 나누면 평균이 된다.(95 * count + 99) // 100은 95를 곱한 요청 수를 100으로 나눌 때 몫을 올림하는 정수 계산이다. 예를 들어 4건이면479 // 100으로 4가 된다. 한국어로 말하는 네 번째 값은 Python 리스트의 인덱스 3에 있으므로p95_rank - 1을 사용한다.sum()은 5xx 조건에 맞는True를 각각 1로 더한다. 느린 요청은 별도 조건으로 고르고 소요 시간이 긴 순으로 출력한다. 소요 시간이 같으면 요청 ID 순으로 정렬하므로 같은 데이터의 줄 순서를 바꿔도 상세 목록을 같은 순서로 읽을 수 있다.timedelta(minutes=1)을 더해 구간의 끝을 표시한다. 보고서에 나오는 시각은 처리한 로그에서 가져온다. 실행 시점의 시계는 사용하지 않는다. 파일을 직접 실행하면main()이 보고서를 출력하고 프로그램이 종료된다.
AI 코딩 도구에는 데이터 형식과 집계 기준을 함께 전달한다. 다음은 이 장의 예제를 만들 때 사용할 수 있는 요청문이다.
모임 공지와 참가 신청 사이트의 예시 접근 로그를 읽는 Python 프로그램을 작성해 달라. 한 줄에 JSON 객체 하나를 담고 요청 완료 시각은 UTC로 고정해 달라. 완료 시각의 분 단위로 묶어 요청 수, 5xx 오류율, 평균, 올림 순위 방식의 95백분위수를 출력해 달라. 500밀리초 이상인 요청도 세고 요청 ID와 상태를 출력해 달라. 경계 시각, 정확히 500밀리초인 요청, 404를 예시에 넣어 달라. Python 표준 라이브러리로만 동작하고 실행 즉시 끝나게 해 달라.
| AI에게 보낸 조건 | 응답 초안 예시 | 사람이 고친 부분 | 확인 방법 |
|---|---|---|---|
| 500밀리초 이상을 센다. | duration_ms > 500 | 차이(diff)를 검토하며 >를 >=로 바꾼다. | 실행 결과에 500밀리초인 req-002가 나온다. |
| 전체 요청을 분모로 5xx를 센다. | status >= 400 | 오류 조건을 500 <= status < 600으로 좁힌다. | 404가 있는 첫 구간의 오류는 0/4이고, 503이 있는 다음 구간의 오류는 1/2다. |
| 완료 시각으로 분을 나눈다. | 앞줄과 분이 달라질 때마다 새 묶음을 만든다. | 분 시작 시각을 딕셔너리의 키로 삼고, 집계한 구간을 출력할 때 정렬한다. | 정확히 09시 01분 00초인 줄을 첫 줄로 옮겨 다시 실행한다. 두 구간의 보고서가 이전 출력과 일치해야 한다. |
차이를 검토할 때는 출력 문구보다 먼저 비교 연산자, 분모, 시간 경계를 읽는다. 이어 실행 결과를 손으로 계산한 값과 비교한다. 예를 들어 첫 구간의 소요 시간은 120, 500, 80, 300밀리초다. 합계가 1,000밀리초이고 요청은 4건이므로 평균은 250.0밀리초다. 이런 확인값을 정해 두면 출력이 그럴듯해 보여도 집계 조건이 달라진 경우를 찾을 수 있다.
실행 결과
터미널에서 다음 명령을 실행한다. 첫 명령은 컴파일 과정의 경고를 오류로 처리하며, 성공하면 아무것도 출력하지 않는다. 두 번째 명령은 집계를 출력한다.
python3 -W error -m py_compile main.py
python3 main.py
2026-10-15 09:00 ~ 09:01 UTC
요청 4건 | 오류 0/4 (0.0%) | 평균 250.0ms | p95 500ms | 느린 요청 1건
- req-002 POST /meetups/{id}/join 500ms 상태 201
2026-10-15 09:01 ~ 09:02 UTC
요청 2건 | 오류 1/2 (50.0%) | 평균 500.0ms | p95 900ms | 느린 요청 1건
- req-005 POST /meetups/{id}/join 900ms 상태 503
첫 구간에도 지연은 있었다. 참가 신청 요청 req-002가 500밀리초 후에 201 응답으로 끝났다. 다음 구간에서는 참가 신청 요청 req-005가 900밀리초 후에 503으로 끝났다. 이때 오류율 50.0%는 두 요청 중 한 건이라는 뜻이다. 보고서만으로 장애가 몇 분간 이어졌는지는 알 수 없다. 해당 구간의 전후 기록이 있다면 같은 기준으로 집계해 시작과 회복 시점을 좁힐 수 있다.
실무에서 자주 틀리는 것
기준값과 같은 요청을 빠뜨린다
다음 코드는 500밀리초를 기준으로 두 식의 판정을 비교한다. 첫 식은 False, 둘째 식은 True를 출력한다. 기준에 ‘이상’이라는 말을 썼다면 그 값도 포함한다.
duration_ms = 500
slow_ms = 500
# 틀린 코드
print(duration_ms > slow_ms)
# 고친 코드
print(duration_ms >= slow_ms)
요청 수가 다른 구간의 오류율을 그대로 평균 낸다
예제 전체의 오류율을 구할 때 두 분의 비율을 더하고 2로 나누면 25.0%가 나온다. 분마다 요청 수가 다르므로, 전체 요청 단위의 오류율은 오류 건수를 합쳐 전체 요청 수로 나눈다. 고친 코드는 16.7%를 출력한다.
first_errors, first_count = 0, 4
second_errors, second_count = 1, 2
# 틀린 코드
first_rate = first_errors / first_count
second_rate = second_errors / second_count
print(f"{(first_rate + second_rate) / 2:.1%}")
# 고친 코드
total_errors = first_errors + second_errors
total_count = first_count + second_count
print(f"{total_errors / total_count:.1%}")
시간대 표기를 바꾸면서 시계 숫자를 그대로 둔다
여러 계층의 로그를 모으면 같은 순간이 다른 시간대로 기록될 수 있다. replace(tzinfo=...)는 시계 숫자를 유지한 채 시간대 정보만 바꾼다. 오프셋이 붙은 시각을 UTC 분 구간에 넣으려면 먼저 astimezone()으로 변환한다. 다음 두 식은 각각 18:01과 09:01을 출력한다.
from datetime import datetime, timezone
finished_at = datetime.fromisoformat("2026-10-15T18:01:20+09:00")
# 틀린 코드
minute = finished_at.replace(tzinfo=timezone.utc, second=0)
print(f"{minute:%H:%M}")
# 고친 코드
utc_time = finished_at.astimezone(timezone.utc)
minute = utc_time.replace(second=0, microsecond=0)
print(f"{minute:%H:%M}")
백분위수의 순위를 그대로 인덱스로 쓴다
요청 4건의 95백분위수 순위는 4다. 인덱스 4를 읽으면 리스트의 범위를 벗어난다. 아래 예는 두 계산을 한 번에 실행할 수 있도록 첫 식에서 발생하는 IndexError의 이름을 출력하고, 두 번째 식에서 500을 출력한다.
durations = [80, 120, 300, 500]
count = len(durations)
rank = (95 * count + 99) // 100
# 틀린 코드
try:
print(durations[rank])
except IndexError as error:
print(type(error).__name__)
# 고친 코드
print(durations[rank - 1])
한눈에 보기
| 운영 질문 | 살펴볼 값 | 해석할 때 확인할 점 |
|---|---|---|
| 어느 요청을 더 조사할까? | 완료 시각, 요청 ID, 라우트 패턴 | 같은 ID를 다른 계층에서 찾아 처리 과정을 연결한다. |
| 언제부터 서버 오류 응답이 나타났을까? | 구간별 5xx 건수, 전체 요청 수, 오류율 | 분모가 작은 구간은 건수 변화에도 비율이 크게 달라진다. |
| 일부 요청이 오래 걸렸을까? | 평균, 95백분위수, 느린 요청 목록 | 표본 수와 느림 기준을 함께 읽고, 목록에서 개별 요청을 확인한다. |
| 장애 조사에서 무엇을 남길까? | 증상, 영향, 원인, 재발 방지 | 원인의 확인 상태와 근거를 쓰고, 조치를 검증할 방법을 남긴다. |
연습 문제
req-002의 소요 시간을 499밀리초로 바꾼다. 첫 구간의 느린 요청 수, 평균, 95백분위수를 실행 전에 계산하고 결과와 비교한다.09시 01분 59초에 종료된 공지 목록 요청을 마지막 줄에 추가한다. 요청 ID는
req-007, 소요 시간은 200밀리초, 상태는 200으로 둔다. 두 번째 구간의 오류율, 평균, 95백분위수를 계산한다. 이어 완료 시각을 09시 02분 00초로 옮겨 어느 구간의 분모가 달라지는지 확인한다.원래 로그로 돌아가 참가 신청 요청만 집계한다.
group_by_minute()에서method와route를 모두 검사해 해당 요청을 고른다. 두 구간의 오류율을 전체 요청 기준 보고서와 비교하고, 분모에 어떤 요청이 들어가는지 설명한다.원래 보고서의
req-005를 근거로 장애 기록의 증상, 영향, 원인, 재발 방지를 한 줄씩 작성한다. 원인에는 확인 상태와 다음에 찾을 근거를 함께 적는다.
정답과 해설
첫 구간에서 느린 요청은 0건이고 상세 목록도 사라진다. 합계가 999밀리초이므로 평균은 249.75밀리초이며 출력은
249.8ms다. 요청 4건에서 선택하는 순위는 여전히 4이므로 95백분위수는499ms다.09시 01분 구간은 요청 3건에 오류 1건이므로 오류율은
33.3%다. 소요 시간의 합은 1,200밀리초이므로 평균은400.0ms다. 95백분위수는 세 번째 값인900ms다. 완료 시각을 09시 02분 00초로 옮기면 09시 01분 구간의 분모는 다시 2가 되고, 09시 02분 구간이 분모 1로 새로 생긴다.JSON을 읽은 직후 다음 조건을 적용한다. 참가 신청을 완료한 요청은 각 분에 1건씩이다. 첫 분의 오류율은 0/1로
0.0%, 다음 분은 1/1로100.0%다. 다음 분의 전체 요청 기준 오류율은 1/2로50.0%였다. 전체 기준에는 같은 분에 성공한 공지 목록 요청도 포함된다.if entry["method"] != "POST" or entry["route"] != "/meetups/{id}/join": continue증상에는 09시 01분 UTC 구간의 참가 신청에서 900밀리초가 걸린 503 응답을 관찰했다고 적는다. 영향에는 해당 구간에 기록된 신청 요청 1건이 503으로 끝났고 저장 여부는 확인 중이라고 적는다. 원인에는 확인 중이라고 쓰고
req-005를 기준으로 신청 처리 단계별 기록을 조사한다고 남긴다. 재발 방지에는 신청 경로별 지연 집계를 추가하고, 예시 로그에 있는 500밀리초 및 900밀리초 신청 요청이 해당 구간의 느린 요청으로 각각 표시되는지 확인한다고 적을 수 있다.