预警报警规则编写原则

《预警报警规则编写原则》

2020-11-12

1. 序言

• 在对一个复杂系统设计时，对系统的工作状态进行监视，并且对未来可能发生的故障进行预测，是运维模块的必不可少的功能。尤其是，挑选预警对象与编写预警规则，对系统/运维工程师分析和设计的功力提出了很高的要求。

• 假如此部分工作没有做好，系统上线后，会使运维工作出现一些不尽如人意的情况：如虚假报警过多，导致真正的故障报警被运维人员忽视；或是报警或预警模块对重要故障不能及时或提前告知，运维人员不及时处理；或是大量/海量的报警消息出现，导致真正重要的信息被淹没在报警消息的噪声中。

• 因此，了解清楚报警规则的设计原则和常见的规范是极其重要的。

2. 报警规则的监测对象

• 系统中的功能：指业务系统完成的业务需求。
• 系统的响应速度：其实就一句话，天下武功唯快不破。
• 系统中的数据：指各类业务数据的完整性，持久性，以及新鲜度。

3. 报警规则的设计原则

• 报警消息接收的对象是运维管理员，是人（Human/Person），而不是一个自动化处理的程序(Program)或是脚本(Scripts)。
• 报警规则的设计应是基于故障表现出来的症状（Symptom），而不是基于故障可能产生的原因(Cause)。这就好象医院的医生首先要对病人做各种检查，得到身体的各项生化指标或影像等客观参数，然后再去探究原因；而不是一上来先判断病因。