资讯中心:故障应急与排障工具怎么配:从告警到值班
三层配置
| 层 | 工具 | 要点 |
|---|---|---|
| 采集 | 站点可达、资源、业务指标 | 覆盖核心路径 |
| 判定 | 阈值与分级 | 避免噪音 |
| 通知 | 群、短信、电话 | 分级推送 |
采集层
必配四项:
- 站点可达(HTTP 状态)。
- 响应时间。
- 服务器资源(磁盘、内存)。
- 业务指标(表单成功数)。
判定层
| 等级 | 触发条件 | 通知方式 |
|---|---|---|
| 高 | 站点不可达 2 分钟 | 电话/短信 |
| 中 | 错误率超阈值 | 群消息 |
| 低 | 磁盘超 80% | 日报汇总 |
阈值先宽后紧,观察两周再调。
通知层
- 高等级同时通知第一响应人与备选。
- 中低等级发群,避免打扰。
- 通知内容含:什么、何时、影响范围、建议动作。
值班交接
- 交接本记录未闭环告警。
- 交接时确认告警接收人已更新。
- 换班时间固定,避免空档。
最小可用配置
- 站点可达告警。
- 备份失败告警。
- 群通知 + 一名第一响应人。
三项即可覆盖最致命的情况。
常见问题
- 告警只发个人,休假即失效。
- 阈值过敏感,一天几十条。
- 通知没有建议动作,收到也不知做什么。
边界
工具配置解决“发现与通知”,不替代止损与修复能力。工具选择需结合现有环境,本文不做产品推荐。
相关阅读: