告警降噪

«结论先行：前端错误监控的瓶颈不是「采不到」，而是采到了但没人信——错误流里混着大量浏览器边界行为、用户操作和第三方脚本的噪音，值班同学对告警脱敏后，真正的 P0 反而被淹没。本文给出一套「4 维分类矩阵 + 6 条过滤规则」，把需要人看的

【背景】 我做了 3 年 SRE，手上管着 40 来个服务的告警。去年 Q4 我们团队把「每周 3am 被叫醒次数」立成了硬指标：从平均 6 次压到 0，庆功会上老板说这就是「稳定性的胜利」。 但今年 Q1 复盘一起 P2 事故时我发现一个

背景 15 年 SRE，最近接手一个 8 人小团队，他们从 5 个微服务扩到了 15 个。告警体系是去年搭的——Prometheus + Alertmanager + 飞书 webhook，规则 47 条。当时 5 个服务的时候 on-ca