資訊中心:可用性監控與告警怎麼做:一份可執行的設定順序
第一步:確定監控對象
按業務重要性排序,先做前三類。
- 首頁與核心欄目頁(可直接訪問)。
- 關鍵業務頁:產品頁、報價頁、諮詢表單頁。
- 後端依賴:資料庫連通、快取連通、證書有效期。
- 次要:靜態資源、備份工作、排程工作。
一頁一頁列出來,不要按“感覺”配。
第二步:選擇探測方式與頻率
| 對象 | 方式 | 頻率 | 備注 |
|---|---|---|---|
| 首頁 | 外部撥測,多地域 | 1–5 分鍾 | 至少 2 個地域 |
| 表單頁 | 合成事務(送出測試資料) | 5–15 分鍾 | 測試資料要能被過濾 |
| 資料庫 | 內部連接探測 | 1 分鍾 | 只跑輕量查詢 |
| 證書 | 到期天數檢查 | 每天一次 | 提前 30 天告警 |
頻率過高會給自己製造壓力,也會被目標站當成異常流量。
第三步:設定判定規則
- 連續失敗次數:3 次(1 分鍾間隔)才判定故障。
- 多地域確認:2 個以上地域同時失敗才算站點級故障。
- 內容校驗:狀態碼 200 之外,檢查頁面是否含關鍵標記(如“聯絡我們”標題)。
- 證書判定:剩餘天數小於 14 天爲警告,小於 7 天爲嚴重。
第四步:告警分級與通道
| 級別 | 觸發條件 | 通道 | 響應時限 |
|---|---|---|---|
| P1 | 站點不可訪問、支付/表單不可用 | IM + 電話 | 15 分鍾 |
| P2 | 單頁 5xx、響應超時 | IM | 1 小時 |
| P3 | 證書臨期、備份失敗 | 郵件 + 日報 | 24 小時 |
| 資訊 | 例行巡檢結果 | 日報 | 不需要 |
同一故障合併爲一條告警,恢復時補發恢復通知,避免刷屏。
第五步:接值班與升級
- 指定第一響應人與備份人,寫進值班表。
- 設定升級規則:15 分鍾未響應升級到負責人,30 分鍾升級到管理層。
- 告警裡帶定位資訊:URL、狀態碼、耗時、探測地域。
第六步:建復盤機制
- 每次 P1/P2 故障記錄:開始時間、發現時間、恢復時間、根因。
- 把“人發現的故障”轉成“監控能發現的項”。
- 每季度清理一次誤報規則,把長期不觸發的規則重新評估。
常見配錯
- 只配狀態碼,頁面返回 200 但內容是錯誤頁。
- 告警發到無人值守的羣。
- 探測頻率 30 秒一次,誤報不斷,最後全員屏蔽。
- 忘記監控證書,到期當天才發現。
驗收標準
- 核心頁面全部在監控清單內。
- 模擬一次故障,能在 5 分鍾內收到告警並定位。
- 一週內 P1 誤報不超過 1 次。
- 告警有明確責任人。
相關閱讀: