告警响了之后往哪发：目录站的告警通道、降噪和值班这三件事

大部分目录站的监控死在同一个地方：不是没接，是接完之后告警太多。第一天大家还认真看，第七天开始全部静音，第二十天连短信都不点开了。这时候有没有监控，区别只剩一张好看的图。

上一篇讲的是该盯哪几项指标，这篇讲指标越线之后的事——那条消息怎么发出去，谁会在半夜被叫起来，以及怎么让它不变成狼来了。

图片来源：网络，版权归原作者所有，侵权请联系删除

先分级，再谈通道

级别	判定	通道	响应时限
P0 站点不可用	首页或主要分类页 5xx 持续超过 3 分钟	电话加即时消息	15 分钟内
P1 功能受损	搜索不可用、提交失败、支付回调异常	即时消息，30 分钟未认领转电话	2 小时内
P2 局部异常	单页面报错率上升、某接口变慢	即时消息群	当个工作日
P3 趋势信号	收录量缓慢下滑、抓取量周环比下降	日报汇总	周内处理

级别判定的关键是「持续时长」这个维度不能省。一次 502 不算故障，连续三分钟的 502 才算。瞬时抖动直接进告警，等于给自己制造噪声。

收录相关的指标要单独放在 P3。它变化慢、不可逆、也不会自己恢复，塞进实时告警里只会被忽略，但放进日报里，每周看一次是能看出趋势的。

降噪的四道闸

• 持续时长——指标越线必须持续 N 个采样周期才触发，抖动被这一步滤掉大半。
• 合并窗口——同一个根因往往带出七八条告警，按服务或按页面合并成一条，正文里列出受影响范围。
• 抑制期——告警触发后进入一段静默，期间同源告警不再重复发，避免刷屏。
• 维护窗口——发版、迁移、演练期间主动屏蔽，这是最容易被漏掉的一道，而它恰恰能挡掉最多的噪声。

第四道闸要能提前预约。发版脚本跑起来的时候顺手调接口开一个 30 分钟的维护窗口，比事后在群里解释「刚才那是我们在发版」省事得多。

通道怎么排

通道不是越多越好，是每条告警都要有明确的下一个动作。即时消息适合需要讨论的告警，大家能在群里接话；电话只留给 P0，用滥了就没人接了；邮件适合日报和需要留档的东西。

升级路径必须写死。P0 发出去 15 分钟没人认领，自动升级给第二责任人，再 10 分钟升级到负责人。这条路径不能靠人自觉，得由系统走完。认领这个动作也要有反馈——点一下「我来处理」，告警就不再升级，同时也告诉其他人不用重复动手。

还有一条容易被忽略：告警消息里必须带排查入口。只写「首页 5xx 超阈值」，接的人还得自己去翻是哪个监控；带上图表链接、最近一次发版时间、相关日志入口，能省下好几分钟。

值班表上要写清什么

一张能用的值班表至少要写清：谁值班、值班期间怎么联系、第一责任人不在时的替补是谁、以及哪些操作值班的人可以自己做、哪些必须叫醒别人。

最后一条最重要。半夜三点被叫起来，最糟糕的情况不是问题难，是不知道自己有没有权限动手。把可自主操作的清单写下来（重启服务、回滚版本、切到备用机），值班的人心里有底，处理速度完全不一样。

事后那一步

每次 P0 之后留一页记录：什么时候发现的、谁接的、怎么定位的、最后怎么解决的、下次怎么更快。不用长，五分钟能写完。三个月之后回头看，会发现大部分故障都重复过两三次，而记录里早就写了怎么修。

没有这一步，监控就只是一条条推送，永远成不了经验。