监控告警

背景 做指标体系这几年，我发现一个很反直觉的现象：大家花大量精力在"采集什么指标"和"看板怎么画"上，但对最基础也最容易被低估的一步——阈值到底怎么定——讨论得远远不够。 我见过三种典型翻车： 1. 某支付网关 P99 延迟告警写死 200

一、现象：df 说还有空间，应用却说写不进去 去年 11 月凌晨 02:17，监控告警："order-gateway" 节点（CentOS 7.9，XFS 文件系统，系统盘 100GB）连续 3 分钟写入失败，业务日志刷满 "No spac