Lesson 5.6: 告警与值班

学习目标

• 设计合理的告警体系

---

1. 告警分级

级别	响应时间	示例
P0 (Critical)	立即	服务宕机、数据丢失
P1 (High)	15 min	P99 延迟 > 5s
P2 (Medium)	1 hr	错误率 > 1%
P3 (Low)	1 day	磁盘使用 > 80%

2. 告警降噪原则

• 告警必须有行动项（否则是噪音）
• 用聚合代替逐条告警
• 设置告警静默期
• 告警要求确认（Acknowledge）

Prometheus AlertManager 示例

groups:
- name: go-services
  rules:
  - alert: HighErrorRate
    expr: rate(http_requests_total{status=~"5.."}[5m]) > 0.05
    for: 5m
    labels:
      severity: critical
    annotations:
      summary: "Error rate {{ $value | humanizePercentage }}"