阶段与标志
| 阶段 | 标志 | 常见任务 |
|---|---|---|
| 起步 | 主机与服务存活有告警 | 部署 exporter、统一采集 |
| 规范化 | 服务有统一的 RED 指标 | 埋点规范、看板模板 |
| 可定位 | 日志与链路可关联下钻 | 结构化日志、trace_id 打通 |
| 目标化 | SLO 与错误预算运转 | SLI 定义、燃尽率告警 |
| 治理 | 成本与数据质量受控 | 降采样、高基数清理、覆盖盘点 |
判断当前阶段的三个问题
判断当前阶段的三个问题
1. 随机挑一次历史故障：能否在 5 分钟内还原时间线？
2. 随机挑一个服务：它的 SLI 与 SLO 是否有人能说出来？
3. 随机挑一条告警：责任人是否知道先做什么？阶段推进不必逐级等待：优先补齐影响排障效率的环节，比追求工具齐全更有效。