告警、降级与故障定位
可观测性、成本、性能与故障处理#FDE#第二十阶段#可观测性、成本、性能与故障处理#告警、降级与故障定位约 392 字 · 1 分钟阅读
追问显示点击任意追问卡片可收起 / 展开
哪些告警应立即叫醒值班人员？
追问 业务影响、安全事件与短暂波动如何区分？
告警阈值怎样避免频繁抖动？
追问 持续时间、多窗口和恢复条件如何设置？
模型限流突然增多时如何止损？
追问 退避、限并发、排队和预算如何协调？
熔断与重试分别适用于什么情况？
追问 持续故障时为什么重试可能扩大影响？
降级到备用模型前应检查什么？
追问 能力、质量、数据区域和费用条件是否一致？
如何在模型不可用时提供可处理的业务出口？
追问 人工队列、只读搜索和规则结果怎样标记？
用户只报告“系统卡了”时怎样收集证据？
追问 时间、任务、请求标识和客户端状态如何定位？
数据库正常但队列持续增长应怎样调查？
追问 消费者、下游容量、失败重试和长任务怎样区分？
响应延迟正常但业务完成时间变长可能是什么原因？
追问 人工审批、后台任务和重复复核如何分析？
故障恢复后怎样确认积压没有产生重复副作用？
追问 幂等记录、业务回读和任务对账如何配合？