1.9 KiB
1.9 KiB
title, type, tags, last_updated
| title | type | tags | last_updated | ||||
|---|---|---|---|---|---|---|---|
| Alert Management | concept |
|
2026-04-26 |
Alert Management（告警管理）
中文名称： 告警管理
类型： 运维流程与方法论
别名：
- 告警管理
- 告警分发
- Alert Routing
Definition
告警管理（Alert Management）是指从告警生成 → 接收 → 分类 → 分发 → 响应 → 关闭的全生命周期管理流程，目的是在关键系统异常时及时通知相关人员，同时避免告警风暴和告警疲劳。
告警生命周期：
- 生成（Generate）： 监控系统（Prometheus）基于规则判断是否触发告警
- 转发（Forward）： Prometheus 通过 Alertmanager API 发送告警
- 分发表单（Dismiss）： Alertmanager 执行抑制、分组、静默
- 路由（Route）： 按标签/严重级别路由到对应通知渠道
- 响应（Respond）： 值班人员收到通知并处理
- 关闭（Resolve）： 问题解决后告警自动消失
告警治理最佳实践：
- SLO/SLA 驱动： 告警应与业务关键指标绑定，而非基础设施细节
- 分级告警： Critical / Warning / Info 三级，避免所有告警同等紧急
- 抑制规则： 根因告警触发时自动抑制派生告警
- 静默期： 维护窗口内临时屏蔽告警
- On-call Rotation： 值班轮换确保 24/7 有人响应
告警评估黄金法则： 每条告警必须有明确处理步骤；无法立即采取行动的告警应该被抑制或降低级别
Prometheus 告警管理架构
Prometheus (规则判断) → Alertmanager (抑制/分组/路由) → 通知渠道 (邮件/Slack/PagerDuty/电话)