隨著應用架構的不斷演進，it 系統也變得越來越複雜，這樣就容易產生各類宕機事件。就在今年，國內外就出現了多起宕機事故。
所以當故障發生後，最快恢復故障是第一要務。而故障恢復時間（mean time to resolve）是重要的考核指標，那麼如何有效降低故障恢復時間，就是運維團隊面臨的最嚴峻挑戰。
降低事件和告警數量
相信不少同學有過被大量的告警郵件、簡訊撐爆郵箱的經歷。更有甚者，專門採購一台手機來接收各種監控簡訊，但大量無效的干擾事件、告警簡訊蒙蔽了運維同學的雙眼，而這樣會導致乙個後果，就是一些重要故障可能會被忽略掉了。因此識別和確定重要故障尤為重要，而且大量的告警資訊也是不合適的。所以，我們需要持續地降低事件和告警數量，但隨著 it 系統的不斷公升級變更，配套的監控就會調整，此時告警數量又會增加，所以我們要進行持續的調整。
國內第乙個 saas 模式的雲告警平台 onealert 就可以幫助使用者很好地解決這個問題，該平台整合了國內外多種主流的監控和支撐系統，在乙個平台上就可以集中處理所有 it 事件，onealert可以深度分析事件趨勢，並進行回顧和優化操作，從真正意義上降低事件和告警數量。
降低故障恢復時間
首先需要收集有效資料，通過onealert對事件進行收集和分析，我們發現了兩種情況：事件少，處理時間長；事件多，處理時間短，這兩者都不合理。前者是不出事，出事就是大事，總結起來就是一句話：「監控不到位」。後者就是頻繁的小事，經常會耗費整個團隊的大量精力。最合理的方式就是是事件和處理時間的平衡。中間數（median time of resolve）的處理時間應該是20-30分鐘，這僅供參考。當然，最理想的狀態是事件和恢復時間同步日趨減少。
降低故障響應時間
公升級策略
當事件發生後，如果在規定時間內沒有處理，而事件可能會無限期的拖延或者是遺漏，如果建立有效的公升級策略和高效的管理組織，就能夠避免類似問題發生。現在，onealert還提供了事件公升級機制，如果一線值班人員拖延或者遺漏，則會公升級到二線，以此類推，從而有效地防止故障問題疏漏。
我們相信，如果能夠有效利用上面4個資料指標，以資料驅動，並進行持續的改進和優化。就可以有效的降低故障恢復時間，而且有序的事件處理過程，也能夠讓我們的團隊成員保持良好的體能和精神。
譯 關於 SPA，你需要掌握的 4 層 （2）
此文已由作者張威授權網易雲社群發布。現在我們有了乙個可執行且不依賴於框架的應用程式，react 已經準備投入使用。檢視層由 presentational components 和 container components 組成。接下來，我們來建立 articleformcontainer。react...
如何正確選擇開源資料庫？你需要這的5個技巧
你或許會遇到需要選擇合適的開源資料庫的情況。但這無論對於開源方面的老手或是新手，都是一項艱鉅的任務。希望通過這篇文章能夠向大家分享這方面的一些技巧。你或許會遇到需要選擇合適的開源資料庫的情況。但這無論對於開源方面的老手或是新手，都是一項艱鉅的任務。在過去的幾年中，採用開源技術的企業越來越多。面對這樣...
如何正確選擇開源資料庫？你需要這的5個技巧
你或許會遇到需要選擇合適的開源資料庫的情況。但這無論對於開源方面的老手或是新手，都是一項艱鉅的任務。希望通過這篇文章能夠向大家分享這方面的一些技巧。你或許會遇到需要選擇合適的開源資料庫的情況。但這無論對於開源方面的老手或是新手，都是一項艱鉅的任務。在過去的幾年中，採用開源技術的企業越來越多。面對這樣...