DEV Community
·
当警报不等于停机：防止 SRE 疲劳
💡
原文英文，约500词，阅读约需2分钟。
📝
内容提要
本文讨论了处理由内部修补/发布活动触发的警报的方法，但不会导致停机。解决方法包括设置正确的警报优先级、实现零停机部署、维护模式以及调查和禁用无用的警报。需要团队共同努力。
🎯
关键要点
- 讨论如何处理由内部修补/发布活动触发但不导致停机的警报。
- 避免对这些警报的反应，以免浪费时间在不影响客户的警报上。
- 选择性反应某些警报会增加认知负担，只有SRE团队知道哪些警报需要反应。
- 不合理的警报管理会导致事件管理不佳，影响服务水平协议(SLA)并导致值班人员疲惫。
- 设置正确的警报优先级，影响客户感知的停机或可能导致数据丢失的警报应为P1。
- 零停机部署并非难事，设计系统时应以此为目标。
- 维护模式分为两类：需通知客户的维护模式和仅影响内部团队的维护模式。
- 调查所有警报并禁用无用的警报，以减少警报疲劳。
- 解决这些问题需要团队共同努力，包括开发团队的参与。
➡️
