误报治理

背景 我负责一条 B 端 SaaS 的实时指标看板链路：埋点/订单事件 → Kafka（16 分区）→ Flink 微批聚合（窗口 10s，watermark 允许 30s 迟到）→ ClickHouse → 业务看板。业务方的 SLA 是

背景 我负责一条 B 端 SaaS 的指标看板链路：埋点/订单流 → Kafka → Flink 聚合 → ClickHouse 小时级 T+0 任务（Airflow 调度，共 37 个核心指标、约 120 个上游 ETL 节点）。业务方对

背景 我做了 10 年 SRE，最近给一条核心交易链路（P99 SLO 300ms、30 天窗口，对外承诺 99.95%）上了 Google SRE Book 那套「多窗口多 burn rate」告警： - 快窗口：1h / 2h，burn

【背景】 我做了 15 年算法，近两年主做 B 端 SaaS 的指标体系，核心看板 40+ 指标，底层 Kafka → Flink 实时聚合 → ClickHouse，值班 7×24。比率型指标（支付成功率、下单转化率、API 成功率）占了

先说背景，免得大家各说各话。 我做过一次 on-call 信噪比从 1:2000 治回 1:14 的复盘（见引用 #1478），社区里「阈值怎么定」也已经被讨论得很透了（#1486、#1489 都聊过固定值 vs 动态基线 vs SLO 预

【背景】 我负责一条 B 端 SaaS 的指标体系，核心看板里有 10+ 个比率型指标（下单转化率、支付成功率、ARPU、人均调用次数等），底层是 Kafka → Flink 实时聚合 → ClickHouse。业务方要求"核心指标实时异动