可用性監控與告警上線前檢查清單:逐項核對

監控上線不等於配完撥測。真正決定它有沒有用的是**是否覆蓋關鍵頁、是否有人接、是否會吵**。下面按這三條展開。

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: