云监控自定义告警上线前的核对清单:指标、周期和通知人

举报
yd_289237331 发表于 2026/10/25 08:20:29 2026/10/25
【摘要】 在华为云给 ECS 接 CES 自定义告警时,按资源是否有数据、统计周期、可读阈值、SMN 通知主题和上线观察一天这五步核对,减少误报和通知丢失。

把一台云主机交给云监控之后,最常见的翻车不是“没开监控”,而是告警条件、统计周期和通知人三处各写各的。下面是我在华为云上给业务组接 CES 告警时固定走的核对顺序。


1. 先确认监控的是哪一个资源。同一台 ECS 可能同时出现在云服务器基础监控和操作系统监控(Agent)两套指标里。CPU、内存、磁盘如果来自 Agent,插件没装或没在线时曲线是空的,告警会一直处于数据不足,而不是正常。上线前先打开该实例最近 15 分钟的监控视图,确认有点,再创建规则。


2. 周期要和故障的时间尺度一致。统计周期 1 分钟、连续 1 个周期就通知,适合发现进程卡死;5 分钟连续 3 个周期,更适合容量趋势。不要用 1 分钟周期去盯磁盘使用率,一次日志切割就会误报。内存和磁盘建议连续 3 个周期,CPU 可以连续 2 个周期,并打开恢复通知。


3. 把阈值写成能读出来的句子。例如:当 Agent 磁盘使用率的 5 分钟平均值连续 3 次超过 85% 时,通知值班主。题。读不通顺的规则,多半是指标和聚合方式不匹配,把最大值套到连接数上,毛刺会把告警打满。


4. 通知人不要只留创建者。创建告警的人关闭短信或离开项目后,规则还在跑但没人收到。通知对象改成 SMN 主题,主题里放值班群和备用邮箱。改完发一条测试消息,正文写明是演练,确认能到群,再把阈值改回正式值。


5. 上线后先观察一天。新规则第一天只进观察群,不进电话升级。一天内如果抖动超过两次,就加长连续周期,而不是把阈值抬到 99%。告警要可行动,而不是把曲线上每个尖峰都变成工单。


按资源是否有数据、周期、可读阈值、通知主题、观察一天这五步走完,再把规则交给值班表。这样自定义告警才是值班工具,而不是新的噪音源。

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。