服务告警
100%

服务监控 · 第 6 课

服务告警

学习读懂告警的触发条件、时间窗口和下一步检查。

仪表板用来显示测量结果。告警则提示人们关注某个可能需要处理的情况。实用的告警会让读者弄清发生了什么,以及接下来该查什么。

读懂触发条件

假设一条规则检查五分钟内是否有超过 5% 的主页请求失败。它还要求至少观察到 100 个请求,确保样本量对这个服务有意义。

Window   09:10–09:15 UTC
Route    /
Requests 120
Failures 12

120 个请求中有 12 个失败,错误率为 10%,规则的两个条件都满足了。告警指出的是观测到的主页请求失败。

如果十个请求里有一个失败,同一条规则会发出告警吗?

核对时间窗口

即使仪表板上的当前状态看起来正常,也要使用告警写明的时间窗口。告警可能描述的是稍早发生的情况。确认指标是否回到了平时的范围,也要检查用户需要的功能是否已经恢复。

告警在 09:16 到达,描述的是 09:10 到 09:15 的情况。应该先在哪里找相关错误?

选择有用的下一步

关于主页请求失败的告警,可以附上这条路径的指标和近期日志。分别核查用户是否受影响以及背后的原因。如果服务已经恢复,也应保留足够的背景,便于调查重复出现的告警。

哪个操作能直接检查主页是否仍然失败?

课程已完成

你已完成 服务告警

现在,你可以读懂告警,并决定要验证什么。

  • 查看指标、阈值和最小样本量。

  • 根据告警的时间窗口查找对应的证据。

  • 用适当的检查验证用户看到的症状。

保存学习进度

创建免费账户即可保存本课进度,并在任意设备上继续学习。

创建免费账户
下一节
返回 服务监控