分级解决什么问题
存储告警的特点是单条看起来都很像「有问题」，但真实紧迫度差异极大：冗余归零与一块盘的寿命提示，处理时限完全不同。分级的意义是让值班人在深夜第一时间知道该先动哪一个，以及要不要立即唤醒二线。它的两个关键要素是判断依据与响应时限，二者必须事先约定，而不是报警后再讨论。
基本信息
| 分级维度 | 数据可用性风险、冗余状态、业务性能影响、可延迟性、是否可自愈 |
|---|---|
| 紧急级特征 | 数据不可访问、冗余归零、缓存保护失效且有写入风险 |
| 高级特征 | 阵列降级、路径丢失、单侧控制器失效、重建异常中断 |
| 中级特征 | 介质错误增长、性能持续偏离基线、容量接近阈值 |
| 低级特征 | 信息提示、巡检建议、可自动恢复的瞬时事件 |
| 降噪要求 | 维护窗口内的预期告警需按时间窗抑制，且抑制必须设到期时间 |
典型使用场景
- 夜间收到多条告警，需要立刻排出处置顺序时
- 维护窗口内预期出现告警，提前抑制以免干扰值班判断时
- 告警长期无人响应，复盘流程与责任界面时
- 与业务方约定沟通口径：什么等级需要通知业务、什么等级只做内部处理时
- 告警风暴期间判断哪几条是根因、哪些只是关联衍生时
按级别收窄告警面
按级别收窄告警面
# 只保留错误及以上级别，避免被提示类信息淹没
journalctl -p err -k --since '12 hours ago'
# 带时间戳看内核侧错误，便于与阵列事件日志对齐
dmesg -T | grep -Ei 'error|fail|reset'
# 关联判断：同一时间窗内的多条告警通常同源
dmesg -T | awk '{print $1,$2,$3,$6}' | sort | uniq -c | sort -rn | head
# 维护窗口抑制：在监控侧设置带到期时间的静默规则，而非长期关闭告警
# 具体命令取决于所用监控平台分级与响应对照
| 等级 | 判断依据 | 响应要求 |
|---|---|---|
| 紧急 | 数据不可访问、冗余归零 | 立即响应，唤醒二线，同步业务方 |
| 高 | 降级、路径丢失、控制器失效 | 当班内处置，准备备件与窗口 |
| 中 | 介质错误增长、性能偏离、容量接近阈值 | 纳入近期计划，跟踪趋势 |
| 低 | 信息提示与巡检建议 | 批量消化，定期回顾 |
多数存储告警会成串出现：一块盘掉线会同时触发降级、路径变化、性能下降、容量变化等多个告警。定级时先找根因那条，把衍生告警归到同一事件下，避免值班人被数量误导。
为减少噪声而长期关闭或永久静默某类告警，会把风险变成盲区。抑制规则应绑定变更工单与到期时间，到期自动恢复。