เป้าหมาย
ตั้งระบบให้ ตอบได้ภายใน 5 นาที ว่า "พังตรงไหน ผู้ใช้กี่คนโดน เริ่มเมื่อไร" ด้วย Workers Logs, wrangler tail, metrics และ Analytics Engine — รู้ลิมิตที่ทำให้ Worker ตาย (CPU, memory, subrequest) และประเมินบิลรายเดือนเป็นตัวเลขได้ก่อน deploy
เครื่องมือสังเกตระบบ — ใช้อะไรเมื่อไร
| เครื่องมือ | เห็นอะไร | ใช้ตอน | เก็บนาน |
|---|---|---|---|
Workers Logs (observability.enabled) |
invocation log ทุก request + console.log + exception — query/filter ในแดชบอร์ด |
สืบย้อนหลัง "เมื่อวาน 14:00 ทำไม 500" | Free 3 วัน, Paid 7 วัน |
wrangler tail |
log สด ณ ตอนนี้ | debug ตอน deploy/ทดลอง | ไม่เก็บ |
| Metrics (แดชบอร์ด Worker) | requests, errors, CPU/wall time p50–p99 | ดูแนวโน้ม/ตั้ง baseline | — |
| Workers Issues | รวม exception ชนิดเดียวกันเป็นกลุ่ม | จัดลำดับบั๊กที่ต้องแก้ | — |
| Analytics Engine | metric ที่คุณนิยามเอง (ยอดขาย, latency ต่อ tenant) query ด้วย SQL | dashboard ธุรกิจ, Grafana | ตามนโยบายของบริการ |
| OpenTelemetry export / Logpush | ส่งออกไป Datadog, Grafana, S3 ฯลฯ | ทีมที่มีระบบ observability กลางอยู่แล้ว | ตามปลายทาง |
log ให้มีประโยชน์
- log เป็น object ไม่ใช่ string:
console.log({ event: "order_paid", orderId, ms })→ Workers Logs แตก field ให้ค้น/กรองได้ - ใส่
requestId(เช่น headercf-ray) ทุกบรรทัดของ request เดียวกัน - ห้าม log ความลับ/ข้อมูลส่วนบุคคล (token, เลขบัตร, เบอร์โทรเต็ม) — log อ่านได้ทุกคนที่มีสิทธิ์ดูบัญชี
- ทราฟฟิกสูง →
head_sampling_rate< 1 (เช่น 0.1) ลดค่าใช้จ่าย แต่ error ที่เกิดนานๆ ครั้งอาจหลุด
⚠️ ต้องตรวจสอบ: Workers Logs ตอนนี้ Free 200,000 event/วัน · Paid 20 ล้าน/เดือน แล้ว $0.60 ต่อล้าน — ตั้งแต่ 1 ธ.ค. 2026 เปลี่ยนไปใช้ Cloudflare Observability pricing ดูหน้า Workers › Platform › Pricing
ลิมิตที่ทำให้ Worker ตาย (ตัวเลขที่ต้องจำ)
| ลิมิต | Free | Paid | อาการเมื่อเกิน |
|---|---|---|---|
| CPU ต่อ request | 10 ms | ค่าเริ่ม 30 วิ ตั้งได้ถึง 5 นาที | Error 1102 |
| memory ต่อ isolate | 128 MB | 128 MB | 1102 / request ถูกยกเลิก |
| subrequest ต่อ request | 50 | 10,000 | exception Too many subrequests |
| connection ออกพร้อมกัน | 6 | 6 | request ถัดไปรอคิว (ช้าลง ไม่ error) |
| startup ของ Worker | 1 วิ | 1 วิ | deploy ไม่ผ่าน |
| ขนาด Worker | 64 MiB | 64 MiB | deploy ไม่ผ่าน |
| request body | ตามแพลนของโซน (Free/Pro 100 MB) | 413 | |
| Cron / Queue consumer / DO alarm | wall time 15 นาที | ถูกตัด |
- CPU ≠ เวลารอ — รอ
fetch()/DB/KV ไม่นับ CPU งานที่กิน CPU คือ parse JSON ใหญ่, crypto, render HTML, resize รูป - Worker เฉลี่ยใช้ CPU ราว 2 ms ต่อ request ถ้าของคุณ p99 > 50 ms ให้หาสาเหตุก่อนขยายลิมิต
- 128 MB คือทั้ง isolate — อ่านไฟล์ R2 ทั้งก้อนเข้า memory พังง่าย ให้ stream แทน
โมเดลราคาที่ต้องคิดเป็น (Workers Paid $5/เดือน ขั้นต่ำ)
| บริการ | รวมในแพ็กเกจ/เดือน | ส่วนเกิน |
|---|---|---|
| Workers requests | 10 ล้าน | $0.30 / ล้าน (static assets ฟรีไม่จำกัด) |
| Workers CPU | 30 ล้าน CPU-ms | $0.02 / ล้าน CPU-ms |
| DO requests | 1 ล้าน | $0.15 / ล้าน (รวม WebSocket message ขาเข้า, alarm) |
| DO duration | 400,000 GB-s | $12.50 / ล้าน GB-s (คิด 128 MB เต็มเสมอ) |
| DO SQLite | rows read 25 พันล้าน, written 50 ล้าน, 5 GB | $0.001/ล้าน read, $1.00/ล้าน write, $0.20/GB-เดือน |
| Queues | 1 ล้าน ops | $0.40 / ล้าน ops (≈ 3 ops ต่อข้อความ) |
| Workflows | 10 ล้าน req, 30 ล้าน CPU-ms, 500,000 steps, 1 GB | steps $0.80 / 100,000 · storage $0.20/GB-เดือน |
| Workers AI | 10,000 Neurons/วัน | $0.011 / 1,000 Neurons |
ตัวอย่าง (จากเอกสาร): 100 ล้าน request/เดือน CPU เฉลี่ย 7 ms → requests (100−10)×0.30 = $27 + CPU (700−30)×0.02 = $13.40 + $5 = ≈ $45.40/เดือน
DO duration คือกับดักใหญ่สุด: object ที่ตื่นตลอด 1 ตัว = 0.125 GB × 2,592,000 วิ ≈ 324,000 GB-s/เดือน — แค่ 2 ตัวก็เกินโควตา ถ้ามี 10,000 ห้องแชตที่ใช้ ws.accept() (ไม่ hibernate) จะเป็นหลักพันดอลลาร์ → hibernation ไม่ใช่ทางเลือก แต่เป็นข้อบังคับ
เกราะกันบิลบาน (denial-of-wallet)
"limits": { "cpu_ms": 100 }ต่อ Worker — โค้ดวนลูปหรือโดนยิง payload ใหญ่จะถูกตัดแทนที่จะกินเงิน- rate limit ด้วย WAF (บท 6c-01) หรือ binding
ratelimitsใน Worker - cache ผลที่ซ้ำ (Hyperdrive, AI Gateway, Cache API)
max_concurrency/max_retriesของ Queues ไม่ให้ retry วนไม่จบ- ตั้งการแจ้งเตือนการใช้งาน/บิลในแดชบอร์ด
⚠️ ต้องตรวจสอบ: เมนูแจ้งเตือนบิล (Notifications › usage-based billing) และราคา D1/R2 ล่าสุด ดูหน้า pricing ของแต่ละบริการ
ลองเลย 🧪
ต่อจากโปรเจกต์ jobs-demo (บท 02) หรือ Worker ใดก็ได้ที่มี observability.enabled
1) log แบบมีโครงสร้าง + metric ของตัวเองด้วย Analytics Engine
เพิ่มใน wrangler.jsonc:
"observability": { "enabled": true, "head_sampling_rate": 1 },
"analytics_engine_datasets": [{ "binding": "METRICS", "dataset": "jobs_metrics" }],
"limits": { "cpu_ms": 200 }(limits.cpu_ms ตั้งได้เฉพาะ Paid — บน Free ให้ลบบรรทัดนี้ ลิมิตคือ 10 ms อยู่แล้ว)
ห่อ fetch handler เดิมใน src/index.ts ด้วยฟังก์ชันนี้ (เปลี่ยนชื่อ handler เดิมเป็น handle):
async function withTelemetry(request: Request, env: Env, handle: () => Promise<Response>): Promise<Response> {
const t0 = Date.now();
const route = new URL(request.url).pathname.split("/")[1] || "root";
const ray = request.headers.get("cf-ray") ?? "local";
let status = 500;
try {
const res = await handle();
status = res.status;
return res;
} catch (err) {
console.error({ event: "unhandled", route, ray, message: err instanceof Error ? err.message : String(err) });
return Response.json({ error: "internal error", ray }, { status: 500 });
} finally {
const ms = Date.now() - t0;
console.log({ event: "request", route, status, ms, ray });
env.METRICS.writeDataPoint({ blobs: [route, String(status)], doubles: [ms], indexes: [route] });
}
}และใน export default:
async fetch(request, env): Promise<Response> {
return withTelemetry(request, env, () => handle(request, env));
},npx wrangler types
npx wrangler deploy2) ดู log สด เฉพาะ error
npx wrangler tail jobs-demo --search unhandled --format prettyอีกหน้าต่าง ยิง route ที่พัง (ขอสถานะ workflow instance ที่ไม่มีอยู่) และ route ที่ไม่มี:
for i in $(seq 1 30); do curl -s -o /dev/null -w "%{http_code}\n" https://jobs-demo.[subdomain].workers.dev/orders/order-0; done | sort | uniq -c
curl -s https://jobs-demo.[subdomain].workers.dev/nopeผลที่ควรเห็น: terminal แรกได้ 30 500 · หน้าต่าง tail แสดงบรรทัด {"event":"unhandled","route":"orders",...} 30 ครั้ง ส่วน /nope (404 ปกติ) ไม่ขึ้น
ลองเปลี่ยนเป็น --status error → ไม่เห็นอะไรเลย เพราะเรา catch error แล้วตอบ 500 เอง invocation จึงนับว่า "ok" — --status error จับเฉพาะ exception ที่หลุดออกจาก handler หรือเกินลิมิต นี่คือเหตุผลที่ต้อง log event ให้ค้นได้
ไปที่ Workers & Pages › jobs-demo › Observability → ค้นด้วย field event = "request" แล้วกรอง status = 500 เทียบกับสิ่งที่เห็นใน tail
3) query metric ด้วย SQL สร้าง API token สิทธิ์ Account Analytics: Read อย่างเดียว แล้วเก็บใน env (ไม่ใส่ในไฟล์):
export CF_ACCOUNT_ID=[account-id]
read -s CF_ANALYTICS_TOKEN && export CF_ANALYTICS_TOKEN
curl -s "https://api.cloudflare.com/client/v4/accounts/$CF_ACCOUNT_ID/analytics_engine/sql" \
--header "Authorization: Bearer $CF_ANALYTICS_TOKEN" \
--data "SELECT blob1 AS route, blob2 AS status, SUM(_sample_interval) AS hits, quantileExactWeighted(0.95)(double1, _sample_interval) AS p95_ms FROM jobs_metrics WHERE timestamp > NOW() - INTERVAL '1' HOUR GROUP BY route, status ORDER BY hits DESC"ผลที่ควรเห็น (ข้อมูลเข้าช้าได้ 1–2 นาที):
route status hits p95_ms
orders 500 30 12
nope 404 1 3ถ้าฟังก์ชัน quantileExactWeighted ใช้ไม่ได้ในบัญชีคุณ ให้เปลี่ยนเป็น SUM(_sample_interval * double1) / SUM(_sample_interval) AS avg_ms
ถ้าพัง: Authentication error → token ไม่มีสิทธิ์ Account Analytics Read · ตารางว่าง → ชื่อ dataset ต้องตรงกับใน wrangler config
4) ประเมินบิลก่อนขึ้นระบบจริง (estimate.mjs — รันด้วย node estimate.mjs)
// ใส่ตัวเลขคาดการณ์ของระบบคุณ (ต่อเดือน) · ราคาตามตารางในบทนี้ ตรวจหน้า pricing ก่อนใช้จริง
const usage = {
workerRequests: 30_000_000, avgCpuMs: 6,
doRequests: 5_000_000, doActiveSeconds: 2_000_000, // วินาทีที่ object ตื่นรวมทุกตัว
queueMessages: 3_000_000,
workflowSteps: 1_200_000,
};
const over = (used, included) => Math.max(0, used - included);
const lines = {
base: 5,
workerRequests: over(usage.workerRequests, 10e6) / 1e6 * 0.30,
workerCpu: over(usage.workerRequests * usage.avgCpuMs, 30e6) / 1e6 * 0.02,
doRequests: over(usage.doRequests, 1e6) / 1e6 * 0.15,
doDuration: over(usage.doActiveSeconds * 0.125, 400_000) / 1e6 * 12.5,
queues: over(usage.queueMessages * 3, 1e6) / 1e6 * 0.40,
workflowSteps: over(usage.workflowSteps, 500_000) / 100_000 * 0.80,
};
for (const [k, v] of Object.entries(lines)) console.log(k.padEnd(16), `$${v.toFixed(2)}`);
console.log("TOTAL".padEnd(16), `$${Object.values(lines).reduce((a, b) => a + b, 0).toFixed(2)}`);ผลที่ควรเห็น:
base $5.00
workerRequests $6.00
workerCpu $3.00
doRequests $0.60
doDuration $0.00
queues $3.20
workflowSteps $5.60
TOTAL $23.40ลองเปลี่ยน doActiveSeconds เป็น 2_592_000 * 50 (50 object ตื่นตลอดเดือน) แล้วดู doDuration กระโดด — นี่คือราคาของการลืม hibernate
เก็บกวาด: ลบ API token analytics หลังทดลอง · npx wrangler delete ถ้าไม่ใช้ jobs-demo ต่อ (และลบ queue ตามบท 02)
กับดักที่เจอบ่อย
| อาการ | สาเหตุ / แก้ |
|---|---|
| Observability ว่างเปล่า | ไม่ได้ใส่ "observability": { "enabled": true } หรือยังไม่ได้ deploy ใหม่หลังใส่ |
wrangler tail ขึ้นว่า sampling และ log หาย |
ทราฟฟิกสูง — ใส่ filter (--status, --search, --ip self) หรือดูใน Workers Logs แทน |
| ผู้ใช้เจอ Error 1102 เป็นช่วงๆ | CPU/memory เกิน — ดู CPU p99 ใน metrics, stream แทนอ่านทั้งก้อน, ย้ายงานหนักไป Queue/Workflow |
Too many subrequests บน Free |
เกิน 50 fetch ต่อ request — รวม request, ใช้ batch API หรืออัปเกรด |
| บิล DO duration สูงผิดปกติ | object ไม่ได้ hibernate (ws.accept(), timer ค้าง, request ค้าง) |
| log มีเบอร์โทร/token ลูกค้า | log ทั้ง request body — log เฉพาะ field ที่ต้องใช้ และ mask ข้อมูลส่วนบุคคล |
| ค่า log พุ่งหลังเปิดทุก Worker | 1 request หลาย console.log = หลาย event — ลดบรรทัด log, ใช้ head_sampling_rate |
สรุปจำง่าย
เปิด Workers Logs + log เป็น object มี
ray— tail ไว้ดูสด Logs ไว้สืบย้อน Analytics Engine ไว้ทำ metric เอง — จำลิมิต CPU 10 ms (Free) / 1102 / 50 subrequest — ราคา = request + CPU + บริการที่ผูก, DO ต้อง hibernate — ตั้งlimits.cpu_msและ rate limit กันบิลบาน