Monitoring bezeichnet die kontinuierliche Erfassung, Speicherung und Auswertung von Metriken und Zustandsdaten produktiver Systeme mit dem Ziel, vordefinierte Soll-Zustände zu überprüfen und bei Abweichungen Alarm zu schlagen. Klassisches Monitoring konzentriert sich auf bekannte Fehlerbilder ("known unknowns"): CPU-Auslastung, Speicher, Festplatten, Netzwerk, Antwortzeiten, Verfügbarkeit, Fehlerquoten, Queue-Längen. Ergebnis sind Dashboards mit Zeitreihen, Status-Übersichten und Alarmregeln ("wenn CPU > 90 % über 10 Minuten, dann Alarm").
Eingesetzt wird Monitoring in jeder produktiven IT-Landschaft. Übliche Werkzeuge sind Prometheus mit Grafana, Datadog, New Relic, Dynatrace, AppDynamics, Azure Monitor, Amazon CloudWatch, Google Cloud Monitoring, Zabbix, Nagios/Icinga, Splunk Observability und Elastic Observability. Telemetrie wird über Pull-Modelle (Prometheus mit Exportern) oder Push-Modelle (StatsD, OpenTelemetry, Vendor-Agents) erfasst und über Alert-Manager an Pager- und Ticket-Systeme weitergeleitet.
Ohne Monitoring werden Probleme erst sichtbar, wenn Anwender oder Kunden sich melden — mit Monitoring wird ein Großteil der Probleme im Idealfall vor oder gleichzeitig mit dem ersten Endnutzer-Effekt erkannt. Gut entworfene Monitoring-Systeme reduzieren Mean Time to Detect (MTTD) und unterstützen damit kürzere Mean Time to Recovery (MTTR), die zentralen DORA-Metriken für Betriebsstabilität.
Monitoring reicht bis in die frühen Tage des Rechenzentrumsbetriebs zurück. SNMP (Simple Network Management Protocol, RFC 1067, 1988) etablierte einen herstellerneutralen Standard für Netzwerk- und System-Telemetrie. Nagios (Ethan Galstad, ab 1999) wurde zum De-facto-Standard für Open-Source-Monitoring. Mit der Cloud- und Microservice-Ära entstanden Werkzeuge wie StatsD (Etsy, 2011), Graphite (Chris Davis, ab 2008), Prometheus (SoundCloud, 2012, CNCF Graduated 2018) und schließlich der OpenTelemetry-Standard (CNCF, ab 2019), der Logs, Metriken und Traces unter einem gemeinsamen API-/SDK-Modell zusammenführt.
Mit dem Aufstieg von Microservices und verteilten Systemen wurde in der DevOps-Community ab etwa 2017 lebhaft über die Abgrenzung zwischen "Monitoring" (bekannte Probleme) und "Observability" (unbekannte, neu auftretende Probleme) diskutiert — Charity Majors, Liz Fong-Jones und Cindy Sridharan haben in dieser Phase den Observability-Begriff geschärft. Heute werden beide Begriffe oft synonym verwendet, gemeint sind aber unterschiedliche Reifegrade: Monitoring ist eine Voraussetzung, Observability ein darüber liegendes Konzept.