Når webshoppen fejler: Lad AI samle sporene fra serverens log

Illustreret infografik, der opsummerer: Når webshoppen fejler: Lad AI samle sporene fra serverens log

Af Greg Nowak. Senest opdateret 2026-10-09.

Kunderne kan ikke gennemføre deres køb, og hostingpartneren skal undersøge fejlen. Men hvad skal du sende videre? Tidspunktet, den berørte tjeneste og relevante logudsnit er et godt sted at begynde. Ellers går den første del af fejlsøgningen med at efterspørge oplysninger.

Kunne jeres virksomhed bruge det her? nowa.dk sætter AI-automatisering op for danske virksomheder.

Her kan AI-automatisering hjælpe: samle alarmen, hente de relevante spor og foreslå forklaringer i én sag. Modtageren skal kunne se, hvad der faktisk er sket, hvad der stadig er usikkert, og hvor undersøgelsen bør fortsætte.

Grafanas nye funktioner giver et konkret udgangspunkt

Den 27. juli 2026 annoncerede Grafana bred tilgængelighed af blandt andet Assistant Investigations og Assistant Automations. Investigations kan opstille og afprøve hypoteser om driftsproblemer. Automations kan gentage gemte instruktioner efter en tidsplan eller ved manuel aktivering. Det beskriver Grafana i lanceringen.

For en dansk webshop er det oplagt at bruge funktionerne til at forberede fejlsøgningen, når overvågningen opdager et problem. Begynd med en sag, som hostingpartneren eller udvikleren kan efterprøve. Eventuelle automatiske indgreb bør være et særskilt projekt, når undersøgelsesdelen er afprøvet.

Vælg den alarm, der skal starte arbejdet

Tag udgangspunkt i et symptom, virksomheden skal reagere på, eksempelvis en utilgængelig webshop eller fejl i checkout. Aftal med den driftsansvarlige, hvilke tjenester undersøgelsen skal omfatte, hvem der skal modtage sagen, og hvad modtageren behøver for at komme videre. De valg afgør, hvad automatiseringen skal indsamle.

Vær præcis om konsekvenserne. En checkout-fejl fortæller ikke i sig selv, hvor mange ordrer virksomheden har mistet. Er ordrepåvirkningen ikke undersøgt, skal det stå i sagen. Aftal også, hvordan gentagne alarmer om samme problem føjes til én eksisterende sag, så modtageren kan følge forløbet uden at samle det fra flere henvendelser.

dmesg eller journalctl: Hvilke spor har du brug for?

dmesg læser Linux-kernens ringbuffer og er relevant, når du skal undersøge kernens meddelelser. Webshoppens samlede tjenestelogning finder du ikke her. Der er også en detalje at være opmærksom på, når hændelser skal placeres på en tidslinje: den officielle dmesg-manual advarer om, at tidsstempler omregnet til klokkeslæt kan være upræcise efter suspend og resume.

journalctl læser systemd-journalen. Her kan du afgrænse udtrækket til en tjeneste med -u og et tidsrum med --since og --until. Med -k kan du også hente kernemeddelelser. Journalen kan altså rumme både tjenestelogning og kernemeddelelser, som beskrevet i systemds journalctl-manual.

Vælg logkilde efter det spørgsmål, du skal have svar på
Det vil du undersøge Start her Det skal du kontrollere
Hvad skrev tjenesten omkring alarmen? journalctl -u med --since og --until Findes tjenestens log i journalen?
Hvilke kernemeddelelser er tilgængelige? dmesg Er tidsstemplerne brugbare til at sammenholde hændelserne?
Hvad skrev kernen i journalen? journalctl -k Dækker udtrækket den relevante opstart og tidsperiode?
Hvordan får automatiseringen journaldata? journalctl -o json Er de nødvendige felter med, og er følsomme oplysninger filtreret fra?
Tabellen hjælper med at vælge udtræk. Logindholdet skal stadig undersøges, før der kan stilles en diagnose.

JSON-output fra journalctl giver et format til automatiseret behandling. Aftal, hvilke felter og tidsstempler sagen skal bevare, så modtageren kan finde tilbage til det oprindelige udtræk. Før du vælger løsningen, skal hostingpartneren også bekræfte, hvilke logkilder virksomheden har adgang til.

En kørende logindsamling er ikke nok

Grafana Alloys komponent loki.source.journal kan læse systemd-journalen og sende poster videre til andre Loki-komponenter. Den understøtter filtrering via journalfelter og tilføjelse af labels. Når resten af pipeline er konfigureret, giver det en konkret vej fra Linux-serverens journal til central loganalyse.

Læseadgangen skal dog være på plads. Ifølge Alloys dokumentation kan komponenten starte uden fejl og alligevel indsamle nul journalposter, hvis Alloy-brugeren mangler de nødvendige gruppemedlemskaber. Standardværdien for max_age er syv timer. Den bestemmer, hvor langt tilbage fra processtart komponenten læser; den fortæller ikke, hvor længe data opbevares centralt.

Kræv derfor en enkel prøve ved afleveringen: En kendt logpost skal nå frem, tjenesten skal kunne identificeres, og tidsrummet omkring en prøvealarm skal kunne genfindes. Først da har du bekræftet, at indsamlingen leverer de data, undersøgelsen kræver.

AI's forklaringer skal kunne efterprøves

Grafana Assistant Investigations kan undersøge logs, målinger, traces og profiler og levere en struktureret rapport med hypoteser og kildeforespørgsler. Dokumentationen for AI-undersøgelser beskriver også automatiske undersøgelser via alarmer og IRM-webhooks. I de beskrevne IRM-forløb sendes et resumé og et link tilbage til hændelsen eller alarmgruppen.

Giv undersøgelsen et tydeligt symptom, et tidsinterval og de berørte tjenester. Bed om dokumentation for hver hypotese og om at få manglende data nævnt direkte. Rapporten skal skelne mellem observationer, mulige årsager og den næste kontrol. Hvis to hændelser falder sammen i tid, skal forbindelsen undersøges, før den ene udpeges som årsag til den anden.

Sagen skal kunne overtages af en anden

Hostingpartneren eller udvikleren skal kunne åbne sagen og begynde undersøgelsen. Brug derfor en fast struktur med alarmens tidspunkt og tidszone, det observerede symptom, berørte tjenester og udvalgte logudsnit. Medtag hypoteser med dokumentation, en navngiven ansvarlig for næste skridt og et direkte link eller en anden tydelig adgang til den bagvedliggende analyse. Angiv også, hvilke kilder der er undersøgt, og hvilke der mangler.

Bruger virksomheden et andet sagssystem, er forbindelsen til det en særskilt integrationsopgave. Aftal, hvilke oplysninger der skal lande i hvilke felter, hvem der har adgang, og hvordan en eksisterende sag opdateres. Grafanas undersøgelse løser en del af arbejdet; overleveringen til virksomhedens valgte system skal også designes og afprøves.

Vælg logudsnit, der hjælper modtageren med at forstå fundet. Der skal være nok sammenhæng til at vurdere det og adgang til originalen, hvis der er brug for at gå videre. Afslut sagen med en konkret undersøgelsesopgave, eksempelvis at kontrollere en bestemt tjeneste i det angivne tidsrum.

Filtrér følsomme oplysninger, før de sendes videre

Aftal, hvilke oplysninger der må gå til central analyse og videre ind i sagen. Indeholder logningen adgangstokens, kunders e-mailadresser eller andre følsomme værdier, bør de fjernes eller maskeres før videresendelse. De tekniske oplysninger, som fejlsøgningen kræver, skal stadig være til stede. Afprøv derfor filtreringen med repræsentative logudsnit.

At vælge de rigtige tjenester og at maskere logindhold er to forskellige opgaver. Kontrollér både, at de relevante poster bliver udvalgt, og at indholdet er egnet til at blive sendt videre. Beslut samtidig, hvem der må læse de originale logs, AI-rapporten og den færdige sag.

Begynd med én alarm og én modtager

Et første projekt kan omfatte én alarmtype, de relevante tjenester og én modtager. Aftal succeskriterierne før opsætningen: Hvor meget manuel indsamling er der tilbage? Kan modtageren bruge dokumentationen? Og lander sagen hos den rette ansvarlige?

Afprøv hele forløbet med en aftalt test. Alarmen skal starte indsamlingen, hypoteserne skal kunne efterprøves, og den ansvarlige skal kunne overtage sagen uden først at efterspørge grundoplysninger. Test også, om gentagne alarmer giver brugbare opdateringer i samme sag.

Greg kan gennem nowa.dk, hans AI-automatiseringsservice for danske virksomheder, hjælpe med at opsætte logindsamling, filtrere følsomme oplysninger og forbinde overvågningen med et sagssystem. Tag udgangspunkt i en konkret driftsalarm og et anonymiseret logudsnit. Det gør det muligt at afgrænse opgaven sammen med virksomhedens driftsleverandør og vurdere, om arbejdsgangen senere skal udvides til flere dele af webshoppen.

Relateret på GrN.dk

Brug for hjælp til den slags opgaver?

Tal med Greg om AI-automatisering af webshopdriften Kontakt Greg her.

Kilder

Seneste artikler

Når checkout fejler, skal driftspartneren have noget konkret at arbejde med. Se, hvordan AI, dmesg og journalctl kan samle sporene i en brugbar driftssag.

Brug oktober til at afprøve daglige AI-forslag til genbestilling før Black Friday. Få styr på Shopify-data, leveringstid og budget, før forslagene bliver til indkøb.

Jeg lærte serverdrift ved at ødelægge mine egne servere. Jeg søger en, der vil stå ved siden af mig, mens jeg gør det, og så gøre det selv ugen efter.

Jeg er god til at bygge og dårlig til at ringe. Her er, hvem jeg vil have ved siden af mig, hvad der er lettest at sælge, og hvordan vi deler det.

AI kan samle onboardingopgaverne før første arbejdsdag. Se, hvordan lederen godkender konkret adgang, og hvordan åbne opgaver bliver fulgt til dørs.

En AI-assistent kan svare på spørgsmål og føre kunder til booking. Her er de konkrete grænser for pris, levering, personoplysninger og kontakt med en medarbejder.

Et sikkert AI-workflow kan omsætte Meet- og Teams-transskripter til godkendte beslutninger og opgaver i Jira eller Asana – uden at slippe kontrollen.

AI kan finde opsigelsesfrister og prisreguleringer i leverandørkontrakter, sende usikre fund til godkendelse og oprette de rette påmindelser.

Sådan automatiserer danske virksomheder Gmail og Microsoft 365 med hurtig sortering, begrænsede rettigheder og menneskelig godkendelse.

Samme kunde på flere kort i HubSpot? Se, hvordan CVR-match, AI-forslag og menneskelig godkendelse kan bruges til at rydde op med styr på felter, relationer og kundehistorik.