FlashDuty

简介

支持接入各种告警系统（夜莺，Prometheus，Zabbix、云监控 等）Event，基于时间和内容将 Event 降噪为 Alert，在一个平台管理 Alert 的触达、响应和事后分析。支持排班调度与升级、告警聚合与抑制、故障协同与自动化、变更事件关联等功能，减少告警风暴，加速排障过程，提升产品体验。

产品架构

事件合并逻辑

监控系统发过来的最原始的告警事件，称为 events，相同对象的相同指标的事件会合并为告警，称为 alerts，文本相似度高的 alerts，或者具备相同标签的 alerts，可以二次合并变成故障，即 incidents，整个逻辑如下：

合并配置

您可以按照告警标题、严重程度以及告警的标签信息，来组合设置聚合规则，将相似告警合并为故障，减少通知频次，提升处理效率。如下图所示，我们设置的是：

1. 系统产生新告警，并自动生成新故障，分派和通知故障；
2. 系统持续产生新告警，当告警标题或resource标签（代表告警对象）与故障相同时，将告警合入故障；
3. 故障只聚合临近10分钟内发生的告警，超过时间窗口的告警，将生成一个新故障；
4. 当故障聚合超过10条告警时，触发风暴预警。

设定抖动阈值以及收敛时长

对于频繁发生与自动恢复的故障，可以设定阈值，限制触发通知频率，避免持续接收相同且无需立即处理的告警。如下图所示：

故障查看页面

钉钉通知举例

可以在钉钉等各类常用即时通讯工具内部查看故障详情，对故障做认领、关闭、屏蔽等处理。