告警服务治理 – 简单有效经验分享

Facebook 深入探讨的问题是：“人类应当留意哪些 IT 告警？”

Facebook 的产品工程师 Brian Smith 首先向我们介绍了 Facebook 用来确定 IT 事件应否入人类法眼（这一过程被称为 SAR，即信号、可行动性和关联性）的准则的初步定义。

• 信号 — 这是误报吗？一定是信号不足！
• 可行动性 — 收到这一告警时，能立即采取措施吗？
• 关联性 — 收到这一告警时，有其他告警传达相同内容或重叠吗？如果是，请删除其中一个告警。

Smith 表示，使用 SAR 方法并在每个栈区只持续关注一个告警，就能提高可行动性和关联性。他解释道，Facebook 利用这一方法消除了 97% 的告警，从而减少了每天收到的噪音，也提高了总体运营效率。