用数据体检告警体系
值班质量周报把主观感受换成可统计的指标：每周统计页面次数、确认时长、无动作关闭比例与噪声来源排行，用来判断告警体系哪里出了问题。目标很明确——页面只留给需要行动的事，因此删除无用告警、调整阈值应当作为常态优化，而不是一次性的专项项目。
周报指标
| 指标 | 含义 | 异常方向 |
|---|---|---|
| 页面数/班次 | 值班被打扰的频率 | 持续升高说明噪声或覆盖面失控 |
| 确认时长中位数 | 从触发到有人确认的耗时 | 变长说明通道或分级有问题 |
| 无动作关闭占比 | 关掉告警却没有执行任何动作的比例 | 偏高说明存在不可行动的告警 |
| 重复来源排行 | 集中产生噪声的告警来源 | 前几位纳入专题治理 |
| 夜间页面占比 | 夜间被打断的比例 | 偏高优先治理，直接影响健康度 |
从 ALERTS 系列统计噪声量
从 ALERTS 系列统计噪声量
# 近 7 天各告警处于 firing 的评估次数（近似噪声量）
sum by (alertname) (count_over_time(ALERTS{alertstate="firing"}[7d]))
# 按服务维度看谁最吵，用于排定治理顺序
sum by (service) (count_over_time(ALERTS{alertstate="firing"}[7d]))度量与治理
- 先测量再优化：没有基线数据的治理动作无法证明有效果
- 按告警名与服务排序，优先处理贡献最大的前几个噪声源
- 对不可行动的告警直接删除或降级，而不是长期挂着等待
- 把治理动作与结果一起记录，下一周期的数据变化就是证据
- 把周报发给值班组而非管理者单独阅读，反馈才能闭环
共识别项
| 数据来源 | Alertmanager 的 ALERTS 系列与值班平台的确认记录 |
|---|---|
| 阅读对象 | 值班组、服务负责人与告警规则维护者 |
| 输出物 | 噪声排行、治理清单与本期改进项 |
只看告警条数不看分页次数会低估值班疲惫程度：一次风暴在统计里是一条，在值班体验里可能是几十次打扰。