告警配置最佳实践

章节：入门篇第4章第3节
难度：⭐ 入门级
阅读时间：15-20 分钟
核心收获：学会配置有效的告警系统，确保故障时能及时响应

7.13 理论要点：告警的目的是行动

7.13.1 告警的本质

告警不是通知，而是行动召唤。

❌ 无效告警：

"任务失败，请查看"
"系统出错"
"警告：异常"

✅ 有效告警：

"AI热点选题任务失败，批次：ai-hotspot-2026-07-10，
失败原因：所有数据源超时，建议检查网络连接"

7.13.2 告警三要素

7.13.3 告警疲劳预防

问题：太多无效告警会导致真正的问题被忽略。

解决策略： - 分级告警（P0/P1/P2/P3） - 聚合相似告警（同一问题5分钟内只告警一次） - 设置静默期（维护窗口期间不告警） - 定期审查告警规则（删除无效告警）

7.14 实战案例：配置分层告警系统

7.14.1 场景：AI热点选题任务告警配置

P0 - 紧急告警（立即处理）：

触发条件：
- 所有数据源失效
- 推送目标永久失效
- 认证凭证过期

通知渠道：飞书 + 短信
响应时限：15分钟

P1 - 高级告警（30分钟内处理）：

触发条件：
- 推送失败（重试后仍失败）
- 有效条目严重不足
- 成本超限50%以上

通知渠道：飞书
响应时限：30分钟

P2 - 中级告警（4小时内处理）：

触发条件：
- 部分数据源失效（降级运行）
- 推送延迟 > 5分钟
- 成本超限20-50%

通知渠道：飞书
响应时限：4小时

P3 - 低级告警（24小时内处理）：

触发条件：
- 单次运行成本略超预算
- 数据源响应变慢
- 日志异常

通知渠道：飞书
响应时限：24小时

7.15 告警内容模板

7.15.1 P0 紧急告警

🚨 紧急：{任务名称}完全失败

批次：{batch_id}
触发时间：{time}
失败原因：{具体原因}
已完成步骤：{completed_steps}
影响：{影响描述}

建议处理：
1. {具体建议1}
2. {具体建议2}
3. {具体建议3}

恢复入口：{具体操作路径}

7.15.2 P1 高级告警

⚠️ {任务名称}推送失败

批次：{batch_id}
触发时间：{time}
失败原因：{具体原因}
已完成步骤：fetching → aggregating → filtering → delivering（失败）
影响：清单已生成，但未送达

建议处理：
1. 检查推送目标状态
2. 手动重试推送
3. 或切换到备用目标

状态文件：已保留，可从 delivering 继续

7.15.3 P2 中级告警

⚠️ {任务名称}降级运行

批次：{batch_id}
触发时间：{time}
数据源状态：
- 来源A：正常
- 来源B：缺失（{原因}）
- 来源C：正常
- 来源D：缺失（{原因}）

影响：清单基于 {available_count}/{total_count} 个来源生成，可能遗漏部分热点
建议：{具体建议}

7.16 图文说明

📌 待补充：建议绘制以下示意图 1. 告警分级金字塔图 2. 告警处理流程图 3. 告警内容结构图 4. 告警疲劳预防策略图

7.17 常见错误

📝 版本迭代记录