可用性監控與告警怎麼做:一份可執行的設定順序

監控配錯順序,會導致先有一堆告警、後才發現沒監控關鍵頁。正確順序是**先定對象,再定判定,最後定通知**。

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。

  1. 首頁與核心欄目頁(可直接訪問)。
  2. 關鍵業務頁:產品頁、報價頁、諮詢表單頁。
  3. 後端依賴:資料庫連通、快取連通、證書有效期。
  4. 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: