告警运维中心｜构建高效精准的告警协同处理体系

最新推荐文章于 2024-04-11 07:37:07 发布

阿里云技术

最新推荐文章于 2024-04-11 07:37:07 发布

阅读量1.4k

点赞数

文章标签：阿里云云计算云原生运维

本文链接：https://blog.csdn.net/weixin_43970890/article/details/124344382

版权

随着企业上云，多监控系统导致告警管理复杂。阿里云ARMS智能告警平台集成多种监控系统，提供智能降噪、协同处理和告警分析，解决无效告警和管理难题。平台支持事件源接入，通过IM工具如钉钉进行告警通知，并具备工单系统对接能力，实现告警事件的精细化管理和快速响应。同时，提供诊断建议和告警收敛分析，帮助运维人员优化问题处理。

摘要由CSDN通过智能技术生成

在开始正式内容前，我想跟大家聊一聊为什么要做告警平台。

随着越来越多企业上云，会用到各种监控系统。这其中，用 Skywalking 做 tracing，Prometheus 做 matches，ES 或者云上日志服务，做日志相关监控，随便算算就至少有三套系统了，这其中还不包括云监控等云平台自身的监控平台。这么多监控平台如果没有统一配置告警的地方，就需要在每个系统中都维护一套联系人，这会是一个复杂的管理问题。与此同时，会非常难以形成上下文关联。比如，某一个接口出现问题，那可能云监控的拨测在报警，日志服务的日志也在报警，甚至 ARMS 应用监控也在报警。这些报警之间毫无关联，这是在云上做告警云很大的痛点。

其次无效告警非常多。什么叫无效告警？当业务系统出现严重故障时，关联系统也可能出现相关告警。而且关联告警会非常多，进而将关键信息淹没在告警海洋中，导致运维人员没办法及时对告警进行处理。最后，现在很多报警经常发生，但是没有人处理，就算有人处理了，但处理情况怎么样，关键性告警从发生到修复的时间到底有多长，每天有多少人在处理，企业的 MTTR 能不能算出来？这也是我们要做统一告警平台要解决的问题。