Sujet : alerting
-
Hygiène des alertes pour la supervision d'hôtes : taux de variation plutôt que seuil fixe, unités en échec et fenêtres de durée
Une page d'astreinte doit signifier qu'un humain doit agir immédiatement ; un disque d'hôte proche de la saturation doit déclencher une page sur son taux de remplissage, pas sur un pourcentage fixe qu'une partition à croissance lente peut frôler pendant des mois, et un seuil franchi un instant ne doit pas déclencher de page du tout. Les documents SRE de Google sur la discipline de paging et l'alerting multifenêtre fournissent le raisonnement, appliqué ici aux signaux d'hôte de cette série.
-
Acheminement des alertes : regroupement, inhibition, mises en sourdine et politiques d'escalade
Entre une alerte qui se déclenche et un téléphone se trouvent quatre décisions : quelle équipe et quel canal la reçoivent (arbre d'acheminement), quelles alertes voyagent ensemble (regroupement avec group_wait, group_interval et repeat_interval), lesquelles sont mises en sourdine parce qu'une alerte cause les explique déjà (inhibition) ou parce qu'une maintenance est planifiée (mises en sourdine / silences), et combien de temps un répondant dispose avant que l'alerte n'escalade vers la personne suivante.
Lisible par machine : JSON