Thema: alerting
-
Alert-Hygiene für das Host-Monitoring: Änderungsrate statt Schwellwert, fehlgeschlagene Units und Zeitfenster
Eine Alarmierung per Pager soll bedeuten, dass ein Mensch sofort handeln muss. Eine fast volle Host-Disk sollte deshalb anhand ihrer Füllrate alarmieren und nicht anhand eines festen Prozentwerts, bei dem eine langsam wachsende Partition monatelang verharren kann; ein nur kurz überschrittener Schwellwert sollte gar keinen Alarm auslösen. Die SRE-Unterlagen von Google zur Paging-Disziplin und zur Multiwindow-Alarmierung liefern die Begründung, dieser Artikel wendet sie auf die in dieser Serie behandelten Host-Signale an.
-
Alarm-Routing: Gruppierung, Unterdrückung, Stummschaltungen und Eskalationsrichtlinien
Zwischen einem auslösenden Alarm und einem Telefon liegen vier Entscheidungen: welches Team und welcher Kanal ihn erhält (Routing-Baum), welche Alarme gemeinsam reisen (Gruppierung mit group_wait, group_interval und repeat_interval), welche stummgeschaltet werden, weil ein Ursachenalarm sie bereits erklärt (Unterdrückung) oder weil Wartung geplant ist (Stummschaltungen), und wie viel Zeit eine zuständige Person hat, bevor der Anruf an die nächste Person eskaliert.
Maschinenlesbar: JSON