SRE事件响应-警报优先级

原文地址 https://response.pagerduty.com/oncall/alerting_principles/#make-the-titlesummary-descriptive-and-concise

我们管理如何收到警报，基于一个简单的原则。 警报是需要人类执行某个动作的。 其他一切都是通知，这是我们无法控制的，也无法采取任何行动来影响它。通知确实有用，但无论如何都不应该吵醒别人。

警报优先级

优先示例

警报内容

我们应确保警报包含足够的有用信息，以便快速识别问题和任何可能的补救措施。标题或描述过于笼统的警报毫无用处，反而会造成混淆。我们制定了一套警报内容指南，所有警报都应遵循这些指南。

测试您的报警

未经测试的警报就等于没有警报。您无法确定它会在需要时发出警报。测试警报功能是否真正有效对于确保服务正常运行至关重要，应将其纳入任何发布计划/部署工作中。

务必测试所有新增和修改的警报。通常情况下，所有新服务都会在固定的某个周期内进行测试（例如当周新上的服务，会在当周五进行告警测试）；但如果您需要更快地完成测试，则应手动进行测试。以下是一些需要测试的内容：

• 测试阈值设置是否合适。我们不希望收到过多的警报。
• 测试您是否会在出现“无数据”情况时收到警报（如果适用）。通常情况下，未收到数据就等同于超出阈值。
• 测试当指标恢复正常时，警报是否自动解除。