Vicla

很多公司希望提升服务稳定性，而上线了各类监控系统，指标的、链路的、日志的，而且只是指标层面可能就会有多个监控系统，这么多监控系统、这么多监控目标，如果没有良好的治理，很快就会产生告警风暴的问题

先来看一下 Notion 的解释： 告警排班OnCall是指将系统的告警按照一定的轮换方式分配给运维人员值班处理。这种制度可以带来以下好处： 更快的响应时间：OnCall制度可以确保有专人负责处理系统

近年来 SLO（Service Level Objective）的概念日趋流行，国外不少公司效仿 Google 的最佳实践落地 SLO，很多服务商也支持了 SLO（如 Datadog）

Open-Falcon 从写下第一行代码，应该是在 2012 年的冬天，开源于 2014 年。Open-Falcon 在设计之初，沉淀的主要是互联网公司在运维大规模物理机时代的优秀方法论

让用户更开心，让业务更成功，为社会创造更多价值，用科技让生活更美好，是科技企业发展的核心目标。我们暂且把该目标简单的表示为 Business KPIs。 过去十年，随着云计算的发展，云原生技术架构逐步

误解一：服务可用性 听过很多技术分享，看过很多平台的承诺，上来都是讲我们的服务稳定性99.9xx%，但似乎都“忘记”了提供这个稳定性的具体算法和解读。如果没有明确的定义，这个数值其实毫无意义。

办公区里此起彼伏的短信声、手机铃声，IM群里铺天盖地的消息，人人都在问，什么情况？服务挂了吗？有没有人在上线？。。这是在线服务挂了的日常一幕。 目前没有哪家企业敢承诺自己的服务肯定不会宕机，大如谷歌、

过去20年开源的或者商业的监控系统很多，具体可以参考维基百科的条目。一个完整的监控系统，往简单了讲，主要包括三个主要部分：数据采集、告警、数据图表展示。我们围绕这三个方面，对其中12款典型的开源工具做