监控告警接入（Zabbix / Prometheus / SNMP）（告警规则与值班机制）

适用场景

监控的价值不在图好看，而在"出问题之前有人知道"。最小闭环是：关键指标有采集、阈值有依据、告警能到人、处理有记录。

配置步骤（告警规则与值班机制）

# 告警规则示例（Prometheus 风格）
- alert: DiskWillFillIn4Hours
  expr: predict_linear(node_filesystem_free_bytes[6h], 4*3600) < 0
  for: 10m
  labels: { severity: warning }
- alert: BackendDown
  expr: probe_success == 0
  for: 2m
  labels: { severity: critical }

关键参数与建议

• 先监控"会立刻影响业务"的指标：存活、端口、磁盘、证书、核心业务接口
• 阈值分级（警告/严重），避免全天候刷告警导致麻木
• 告警必须能到达值班人（电话/短信/企业微信），并定义响应时限
• 网络设备用 SNMP v3 或只读账号，避免用管理员账号采集
• 监控自身要冗余：监控服务器故障时无人值守等于没监控

容易踩的坑

• 阈值写死（如磁盘 90%），业务特点不同导致误报或漏报
• 无分级，所有告警都打断值班人员
• 告警没有处理记录，同样的问题重复发生

验证与巡检

# 每月统计：告警条数、误报条数、平均处理时长

• 巡检：告警分级清晰、值班表与升级路径明确、月度复盘记录

小结

告警治理是长期动作：每月盘点一次告警，把误报调掉、把漏报补上、把长期忽略的告警删掉或升级。

> 说明：文中命令为通用写法，不同型号/版本可能略有差异，落地前请对照设备实际版本的官方文档；带外管理与安全设备变更建议先在测试设备验证。