用途:基于 SLO 构建有效的告警规则与运维仪表盘,提供关键图表、告警阈值和 Runbook 链接。
主要能力:
- SLO 定义:支持设置可用性目标(如 99.9%、30d 窗口)与延迟目标(如 95% 请求低于 500ms),并提供对应 SLI 查询表达式(Prometheus 风格,如 rate、histogram_quantile)。
- 告警规则:以 YAML 分组定义规则,区分快速燃烧(1 小时消耗 1% 预算,严重级别)与慢速燃烧(24 小时消耗 10% 预算,警告级别),含 for 持续时间与 runbook 注解链接。
- 仪表盘模板:JSON 结构,按行组织面板,覆盖黄金信号(请求速率、错误率、延迟 p50/p95/p99、饱和度 CPU/内存)以及 SLO 跟踪(剩余错误预算)。
- 告警响应指南:针对 HighErrorRate、HighLatency、LowAvailability 给出含义、初步排查步骤、升级条件与临时缓解措施。
- 输出检查清单:SLO 已定义、告警规则已配置、仪表盘已创建、Runbook 已链接、响应指南已记录。
使用方式:按示例结构定义 SLO,编写告警规则 YAML 与仪表盘 JSON 模板,并链接 Runbook。示例中出现的命令、查询表达式与 URL 保持原样。
适用场景:需要以 SLO 驱动告警与可观测性仪表盘的运维、SRE 与平台工程场景。
限制:本次资料未提供该技能的安装命令、平台兼容性、收费方式或具体支持的监控后端信息,上述内容暂未提供。