名词百科
什么是监控告警？
一句话定义
监控告警是持续采集系统运行指标并在异常时通知相关人员的机制。监控负责「看得见」，告警负责「叫得应」。
它到底是什么
监控的价值在于比用户更早发现问题。等到用户投诉才知道故障，说明监控缺位或阈值设置失当。
告警的价值在于让对的人在对的时间知道。告警过多会导致所有人忽略它，这比没有告警更危险。
怎么运作的
指标分层：基础设施（CPU、内存、磁盘）、应用（请求量、错误率、响应时间）、业务（下单成功率、支付成功率）。业务指标最能反映真实影响。
日志与链路：指标告诉你「有问题」，日志与链路追踪告诉你「问题在哪」。三者需能关联（同一请求 ID）。
告警规则：基于阈值、同比波动、多指标组合。单一阈值容易误报，组合条件能减少噪音。
分级与值班：按影响面分级，明确各级的响应时限与升级路径。没有值班安排的告警形同虚设。
降噪：合并同类告警、设置静默期、定期清理无效规则。告警疲劳是监控体系最常见的失败模式。
容易混的几个概念
- 日志：记录细节，监控关注聚合指标。
- 告警与通知：告警是规则触发，通知是送达渠道。
- 可用性监控：从外部探测服务是否可达。
- APM：应用性能监控，关注请求链路与耗时。
常见问题
告警太多怎么办？
先统计告警量与被处理的真实问题比例。多数告警是可忽略的，应合并、提高阈值或直接删除。保持「每条告警都值得起床」的标准。
应该监控哪些指标？
从用户视角出发：核心链路是否可用、关键业务动作是否成功。技术指标用于定位原因，业务指标用于判断影响。
J 项目运维 · 同组词条
CI/CDCI（持续集成）是开发者频繁提交代码并自动构建、测试的实践；CD（持续交付/持续部署）是在此基础上自动发布到环境。DevOps 是打通开发与运维协作的文化与实践体系。SLASLA（Service Level Agreement，服务等级协议）是服务提供方与使用方之间关于服务质量的约定，通常包含可用性、响应时间、故障恢复时间与违约处理方式。灰度发布灰度发布是把新版本先开放给小部分用户，观察运行情况后再逐步扩大范围的上线方式。它用于降低全量发布带来的风险。交付验收交付验收标准是判断项目是否完成的具体条件，通常包括功能符合度、质量指标、交付物清单与上线运行情况。它是付款与移交的依据。BUG管理BUG 是软件中不符合预期的缺陷；缺陷管理是记录、分级、分配、跟踪与验证缺陷直至关闭的流程，通常借助缺陷跟踪系统实现。售后维护售后维护是系统上线后对缺陷、咨询与使用问题的响应与处理；技术运维是保障系统稳定运行的工作，涵盖部署、监控、备份、扩容与故障处理。安全测试安全测试是检查系统是否存在可被利用的漏洞的测试活动；渗透测试是模拟攻击者视角，尝试实际攻破系统，以验证防护是否有效。需求变更需求变更管理是对项目进行中提出的需求调整进行记录、评估、审批与执行的过程，目的是让变更可控，而不是阻止变更。