知识卡片
监控规则宁简单勿魔法
监控本身是工程,十人左右的 SRE 团队常需一两人全职维护。Google 倾向于简单快速的监控配合高效的事后分析工具,避免自动学习阈值、自动判定故障原因这类“魔法”系统;报警规则只检测简单、具体但严重的异常,并尽量不维护复杂的依赖关系规则,因为基础设施变化太快。用于容量规划、长期趋势观察的规则对稳定性要求低,可以复杂一些。发散:规则须人人读得懂。参见[[现象与原因的区分是监控信噪比核心]]。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第6章 分布式系统的监控 · 查看原书依据
我们坚持监控系统规则越简单越好,同时要求这些监控规则可以检测某个非常简单、具体,但是严重的异常情况。
参考来源
- 位置:《SRE:Google运维解密》第6章《分布式系统的监控》(源文件:`_epub-src/OEBPS/Text/0008_0004.xhtml`)
- 结论依据:原文给出监控需要 1~2 人全职维护的人力估计,说明避免“魔法”系统、规则越简单越好,复杂依赖规则仅用于极稳定组件,而容量规划类规则可复杂些。
- 原始内容:我们会避免任何“魔法”系统—例如试图自动学习阈值或者自动检测故障原因的系统……我们坚持监控系统规则越简单越好,同时要求这些监控规则可以检测某个非常简单、具体,但是严重的异常情况。