写在前面的话
19年设计过apm的告警功能，现在22年了，最近看到有关某智能运维公司的融资欺瞒史，想到各种ai智能化的场景，很多仅仅是以工具代替了人，以硬编码逻辑代替了人脑（并不是歧视人工智能，而是歧视那些以人工智能大忽悠薅社会主义羊毛割韭菜的公司），所以写了这篇文章。
用户访问指标检测的误区
智能告警？能把指标收集后针对阈值进行触发告警，就已经非常不错了。要是能支持对单个指标或多维度进行自定义告警，也就很牛逼了。
告警一般需要那些
告警名称
告警名称便于管理标识，一般可以用应用名+指标+类型来命名，比如 CMS- LCP
检测指标
顾名思义是指标
常见检测指标
- JS错误数
- JS错误率
- 资源错误数
- 资源错误率
- 首次渲染平均时间
- 页面加载平均耗时
- LCP(largest_contentful_paint)
- FID(first_input_delay)
- CLS(cumulative_layout_shift)
- FCP(first_contentful_paint)
触发条件
设置告警级别的触发条件。
- 告警级别：包含紧急（红色）、重要（橙色）、警告（黄色）、无数据（灰色）、正常（绿色）五个等级，每个等级只能设置一个触发条件。
- 触发条件：基于配置条件判断操作符和检测周期。若查询结果带单位，则提示单位进位后的结果。告警级别紧急（红色）、重要（橙色）、警告（黄色）基于配置条件判断操作符，说明如下：
告警级别无数据（灰色）、正常（绿色）基于配置检测周期，说明如下：
- 检测周期＝检测频率
- 自定义检测周期＝检测频率 * N
1.无数据（灰色）：无数据状态支持「触发无数据事件」、「触发恢复事件」、「不触发事件」三种配置，需要手动配置无数据处理策略。
检测规则生效后，第一次检测无数据且持续无数据，不产生无数据告警事件；若检测有数据且在配置的自定义检测周期内，数据上报发生断档，则产生无数据告警事件。
2.正常（绿色）：检测规则生效后，产生紧急、重要、警告异常事件后，在配置的自定义检测周期内，数据检测结果恢复正常，则产生恢复告警事件。
注意：恢复告警事件不受告警沉默限制。若未设置恢复告警事件检测周期，则告警事件不会恢复，且一直会出现在「事件」-「未恢复事件列表」中。检测频率： 当前检测规则的执行频率，即 检测周期，默认 1 分钟检测一次。
个人或者小公司该怎么选择告警
个人或者小公司因为公司资源投入不够，大多无法构建自己的性能体系，更无法去针对性的设置告警。如果不想系统裸奔，一般多会选择购买告警服务。
其他告警厂商，应该如何比对
其他告警厂商可能比较多，应该如何比对呢？ 主要看：
1.告警支持的指标和维度
正常看来，至少应该能够允许针对以下指标进行告警
- JS错误数
- JS错误率
- 资源错误数
- 资源错误率
- 首次渲染平均时间
- 页面加载平均耗时
- LCP(largest_contentful_paint)
- FID(first_input_delay)
- CLS(cumulative_layout_shift)
- FCP(first_contentful_paint)
一般来说，至少要允许能够按照页面维度进行告警
- 页面path
- 请求
- 动作
2.告警的时延
正常来看，应该是分钟级别告警，不过也可以根据实际成本适当方框。
3.告警方式
一般都支持：邮件/钉钉/企业微信等
4.告警沉默
对于无告警，要允许告警抑制或者不能重复告警
