告警规则与 Alertmanager
监控、日志与持续交付#告警规则#Alertmanager约 507 字 · 1 分钟阅读
追问显示点击任意追问卡片可收起 / 展开
Prometheus 告警规则与 Alertmanager 如何分工？
追问 规则评估、等待持续时间、分组、路由和发送通知分别在哪里发生？
什么样的告警值得通知值班人员？
追问 业务影响、可操作性、紧急程度和处理手册如何判断？
告警规则中的 for 有什么作用？
追问 Pending 与 Firing 如何区分？持续时间过长或过短有什么影响？
静态阈值、变化率和趋势预测分别适合什么告警？
追问 磁盘快满、流量突变和业务错误率升高如何选择判断方式？
Alertmanager 的分组与路由如何设计？
追问 环境、服务、严重级别、团队和值班时间如何影响通知对象？
静默与抑制有什么区别？
追问 维护窗口和节点故障引发大量下游告警时分别使用哪一种？
如何避免告警风暴和重复通知？
追问 分组、重复通知间隔、根因告警和恢复通知如何配合？
如何监控采集目标消失和监控链路失效？
追问
up、缺失指标、服务发现、通知通道探测和独立外部监控如何组合？一次告警没有送达，你会如何逐层排查？
追问 规则状态、Alertmanager 接收、路由、静默、Webhook 和接收端限流如何确认？
如何验收一个新告警规则？
追问 规则检查、模拟异常、触发、恢复、通知内容和处理手册应如何验证？