可视化

故障真正消耗人的时间,往往不是查日志,而是信息散落在各处:告警在 IM 群,指标在看板,日志在检索平台,变更在发布系统,值班的人要来回跳转,浪费时间还容易遗漏。可视化不是把图表堆到一页上,而是把排障路径变短。

看板要分层,因为角色不同、问题不同:全局视图给管理者,看可用性、核心业务指标和告警数量;服务视图给值班人,看单服务的 QPS、错误率、延迟、实例状态和依赖;请求视图给开发者,看某次请求的 trace、相关日志和上下文。每个核心服务至少有一张黄金指标面板——请求量、错误率、延迟和饱和度,缺了这四类就判断不了服务健康。

交互细节决定排障效率。告警要能一键跳到看板并自动带上时间范围、服务名、接口名和环境——02:14 触发的告警,默认就该打开 02:04 到 02:24 的窗口;日志查询要支持按服务、级别、trace id 过滤、查看前后若干秒上下文、从日志跳到 trace、保存查询模板。速度上也要分场景:最近 15 分钟的日志用于实时排障必须快,几个月前的用于审计复盘可以慢。

再往上一层是事故工作台,把当前告警、影响面、变更记录、关键证据和处理记录聚合成同一份上下文,让值班人、备班和负责人围绕它协作。读完这一章,你应该能按角色设计分层看板,并为一条告警设计出从「收到消息」到「定位根因」再到「验证恢复」的点击路径。

章节

发现内容有问题?

告诉我们哪里需要改进。