資訊中心:可用性監控與告警上線前檢查清單:逐項核對
覆蓋性檢查
- 首頁、三個核心欄目頁、報價頁、諮詢頁在監控清單中。
- 表單頁有合成事務探測,不只是狀態碼。
- 資料庫、快取、證書單獨有監控項。
- 備份工作和排程工作有失敗告警。
- 沒有重複監控同一 URL 的冗餘規則。
判定合理性檢查
- 單點失敗不會立刻觸發 P1。
- 連續失敗次數與探測頻率匹配(如 1 分鍾間隔配 3 次)。
- 多地域探測至少 2 個節點。
- 內容校驗能識別“200 但頁面錯誤”的情況。
- 證書按天數分級:14 天警告、7 天嚴重。
告警通道檢查
| 檢查項 | 通過標準 |
|---|---|
| 通道可達 | 測試消息在 1 分鍾內到達 |
| 分級正確 | P1/P2/P3 分別進不同通道 |
| 無重複 | 同一故障只發一條 |
| 恢復通知 | 恢復後自動補發 |
| 可靜音 | 維護窗口能臨時關閉 |
責任與流程檢查
- 值班表已填寫,含第一響應人與備份人。
- 升級路徑清晰:15 分鍾未響應升級。
- 告警內容含定位資訊(URL、狀態碼、耗時)。
- 故障處理有記錄範本。
- P1 故障有復盤會議要求。
噪音檢查
- 最近 7 天告警總數小於 20 條(除真實故障)。
- 單條規則觸發率不超過每小時 1 次。
- 沒有長期被屏蔽的告警通道。
- 沒有“所有人都不看”的告警羣。
演練檢查
- 手動停一次應用,確認 5 分鍾內收到 P1。
- 臨時改一次證書日期,確認能觸發臨期告警。
- 模擬表單送出失敗,確認合成事務能發現。
- 演練後恢復現場,清理測試資料。
文件檢查
- 監控清單有版本與更新日期。
- 每個監控項寫清閾值來源。
- 故障處理手冊可被新人直接執行。
- 變更記錄留痕。
常見遺漏
- 監控了首頁,沒監控諮詢表單。
- 告警只發郵件,夜間無人檢視。
- 沒有恢復通知,團隊靠猜是否恢復。
- 維護窗口沒靜音,例行重新啟動製造大量誤報。
邊界
清單保證監控“能工作”,但不保證“零漏報”。業務變更後需要同步更新監控對象,否則會出現新頁面無人監控的空檔。
相關閱讀: