SRE技術保障平臺-盯屏中心TAC： 混合雲一站式告警運維平臺

阿里云云棲號

簡介： SRE技術保障平臺-盯屏中心TAC： 混合雲一站式告警運維平臺

1.目標定位

1.1背景

• 告警管控平臺種類繁多
• 告警出現後未及時發現處理最終致使故障產生
• 專有云監控能力拉起依賴版本升級，操做複雜，迭代慢
• 異常問題和故障的感知力不如客戶

1.2目標

• 制定告警數據接入規範
• 實現告警統一集中展現
• 建設多種告警外發通知
• 獨立部署、快速迭代
• 告警嚴重程度區分，提高感知力

1.3定位

圖1：TAC定位

2.平臺簡介

2.1介紹

SRE技術保障平臺-盯屏中心（TAC-TAM Alarm Center）是TAM爲混合雲精心打造的一站式告警運維平臺，覆蓋混合雲所涉及的雲產品、大數據、雲實例以及用戶所涉及的站點應用等告警，提供告警生命週期管理以及報警外發等解決方案。幫助混合雲平臺快速發現、定位異常問題，協助產品團隊促進產品改進。

2.2特色

2.2.1告警匯聚

• 默認集成：雲平臺、大數據、雲實例、站點應用
• 支持擴展：自定義監控

2.2.2報警通道

• 釘釘&本地化釘釘
• 短信服務
• 企業郵箱
• 警務微信

2.3業務服務流程

圖2：TAC業務服務流程圖

3.主要功能及界面展現

3.1告警盯屏中心

• 實時展現雲平臺當前全部的告警數據以及列出近7天的產品告警TOP排行, 一目瞭然告警數據, 提高感知力。

圖3：告警盯屏中心界面展現

3.2SRE運維大盤

• 經過指標化，更方便查看產品的健康情況，判斷是否有故障；
• 指標項包含：健康率、成功率、轉實例、準時率、正常率、運行率、使用率、寫成功率、讀成功率。

圖4：SRE運維大盤界面展現

3.3告警工做臺

• 用戶能夠在平臺告警頁面上認領新增的待處理告警，線下處理完成後能夠在個人告警頁面上關閉該告警。
• 當認領了本身不擅長處理的產品告警，能夠經過線上轉發的方式移交給擅長處理的同窗。
• 若出現長期沒法處理的告警，在確認無影響的狀況下能夠選擇忽略該告警，避免一直外發形成消息轟炸。
• 自動恢復的告警無需手動認領關閉，在歷史告警中能夠進行查看。

圖5：告警工做臺界面展現

3.4事件服務中心

打破簽字、短信、郵件式古老的運維管理方式，爲客戶將衆多的線下流程移⾄線上，預設相應的管理體系，以線上提交、線上反饋的模式，能夠統一管理、追蹤閉環、數據存檔，爲⽇常流程管理工做提供更多解決⽅法，逐步代替線下管理。

圖6：事件服務中心界面展現

3.5告警控制策略

• 支持設置自動分派策略，當指定產品出現告警自動認領告警；
• 當天首次出現的告警當即通知，非首次出現的告警遵循1440分鐘的靜默期後通知;
• 支持控制告警發送時的狀態，「發生時」、「認領時」、「關閉時」；
• 支持預定在指定的時間範圍內使某一類型的告警進入靜默期，告警外發暫時失效；
• 支持對告警推送的告警類型，產品，級別，部門，項目等進行自定義配置。

圖7：告警控制策略界面展現

3.6告警推送策略

• 提供用戶體系，系統會識別用戶的手機號碼以及郵箱地址來發送告警；
• 提供釘釘、短信、郵件的外發的webhook，api接口的配置；
• 能夠選擇的一個或多個告警策略自定義配置推送告警

圖8：告警推送策略界面展現

3.7監控網關

• 支持在監控任務頁面配置用戶關心的網站、機器或某個接口，TAC根據規則進行監控；
• 若現場以前有提供過黑屏化的監控工具，用戶能夠在註冊API頁面註冊一個APP，根據接口調用規範將監控結果上報至TAC以第三方告警來展現和外發。

圖9：監控網關界面展現

3.8釘釘通知

圖10：釘釘通知效果展現

4.結語

目前，混合雲多數項目已經過TAC實現告警通知功能。有效提升告警處理效率，減小因告警未及時處理致使故障的狀況，大幅提升項目運維質量，減小項目人力投入成本。

阿里云云棲號

阿里雲官網內容平臺！匯聚阿里雲優質內容（入門、文檔、案例、最佳實踐、直播等）！如需轉載或內容類合做，郵件yqgroup@service.aliyun.com 秒級回覆！

阿里云云棲號

阿里雲官網內容平臺！匯聚阿里雲優質內容（入門、文檔、案例、最佳實踐、直播等）！如需轉載或內容類合做，郵件yqgroup@service.aliyun.com 秒級回覆！

宣傳欄

簡介： SRE技術保障平臺-盯屏中心TAC： 混合雲一站式告警運維平臺

1.目標定位

1.1背景

• 告警管控平臺種類繁多
• 告警出現後未及時發現處理最終致使故障產生
• 專有云監控能力拉起依賴版本升級，操做複雜，迭代慢
• 異常問題和故障的感知力不如客戶

1.2目標

• 制定告警數據接入規範
• 實現告警統一集中展現
• 建設多種告警外發通知
• 獨立部署、快速迭代
• 告警嚴重程度區分，提高感知力

1.3定位

圖1：TAC定位

2.平臺簡介

2.1介紹

SRE技術保障平臺-盯屏中心（TAC-TAM Alarm Center）是TAM爲混合雲精心打造的一站式告警運維平臺，覆蓋混合雲所涉及的雲產品、大數據、雲實例以及用戶所涉及的站點應用等告警，提供告警生命週期管理以及報警外發等解決方案。幫助混合雲平臺快速發現、定位異常問題，協助產品團隊促進產品改進。

2.2特色

2.2.1告警匯聚

• 默認集成：雲平臺、大數據、雲實例、站點應用
• 支持擴展：自定義監控

2.2.2報警通道

• 釘釘&本地化釘釘
• 短信服務
• 企業郵箱
• 警務微信

2.3業務服務流程

圖2：TAC業務服務流程圖

3.主要功能及界面展現

3.1告警盯屏中心

• 實時展現雲平臺當前全部的告警數據以及列出近7天的產品告警TOP排行, 一目瞭然告警數據, 提高感知力。

圖3：告警盯屏中心界面展現

3.2SRE運維大盤

• 經過指標化，更方便查看產品的健康情況，判斷是否有故障；
• 指標項包含：健康率、成功率、轉實例、準時率、正常率、運行率、使用率、寫成功率、讀成功率。

圖4：SRE運維大盤界面展現

3.3告警工做臺

• 用戶能夠在平臺告警頁面上認領新增的待處理告警，線下處理完成後能夠在個人告警頁面上關閉該告警。
• 當認領了本身不擅長處理的產品告警，能夠經過線上轉發的方式移交給擅長處理的同窗。
• 若出現長期沒法處理的告警，在確認無影響的狀況下能夠選擇忽略該告警，避免一直外發形成消息轟炸。
• 自動恢復的告警無需手動認領關閉，在歷史告警中能夠進行查看。

圖5：告警工做臺界面展現

3.4事件服務中心

打破簽字、短信、郵件式古老的運維管理方式，爲客戶將衆多的線下流程移⾄線上，預設相應的管理體系，以線上提交、線上反饋的模式，能夠統一管理、追蹤閉環、數據存檔，爲⽇常流程管理工做提供更多解決⽅法，逐步代替線下管理。

圖6：事件服務中心界面展現

3.5告警控制策略

• 支持設置自動分派策略，當指定產品出現告警自動認領告警；
• 當天首次出現的告警當即通知，非首次出現的告警遵循1440分鐘的靜默期後通知;
• 支持控制告警發送時的狀態，「發生時」、「認領時」、「關閉時」；
• 支持預定在指定的時間範圍內使某一類型的告警進入靜默期，告警外發暫時失效；
• 支持對告警推送的告警類型，產品，級別，部門，項目等進行自定義配置。

圖7：告警控制策略界面展現

3.6告警推送策略

• 提供用戶體系，系統會識別用戶的手機號碼以及郵箱地址來發送告警；
• 提供釘釘、短信、郵件的外發的webhook，api接口的配置；
• 能夠選擇的一個或多個告警策略自定義配置推送告警

圖8：告警推送策略界面展現

3.7監控網關

• 支持在監控任務頁面配置用戶關心的網站、機器或某個接口，TAC根據規則進行監控；
• 若現場以前有提供過黑屏化的監控工具，用戶能夠在註冊API頁面註冊一個APP，根據接口調用規範將監控結果上報至TAC以第三方告警來展現和外發。

圖9：監控網關界面展現

3.8釘釘通知

圖10：釘釘通知效果展現

4.結語

目前，混合雲多數項目已經過TAC實現告警通知功能。有效提升告警處理效率，減小因告警未及時處理致使故障的狀況，大幅提升項目運維質量，減小項目人力投入成本。