监控无数，告警乱飞，历史难查，进度难寻。
随着接入监控的团队和集群越来越多，告警管理也变的异常重要。由于网络的限制，无法使用类似快猫、睿象云等 SAAS 告警系统，所以就自己开发一套简单的告警平台，满足日常的业务需求。
该平台主要有以下特性：
-
告警分组：借鉴
快猫协作空间的理念，这里使用协作空间进行告警分组。 -
灵活配置通知模板：不同的团队和业务对通知模板有不同的需求，这里将通知模板可配置话，便于日常工作的自定义。
-
多种通知渠道：目前仅实现企业微信这一个渠道，后续会增加短信、邮箱甚至电话等，以满足不同的告警场景。
-
通知策略可选：目前支持单渠道 和多渠道通知策略，主要是为了满足将不同级别的告警推送到不同的接收人。
-
告警屏蔽
-
告警认领
-
排班管理
后续还希望实现的主要功能有：
-
初因判断：希望对每次告警都做基本的初因判断，帮助
SRE快速定位问题。 -
故障自愈：对于可以自动化处理的告警希望不耗费人力介入处理。
-
告警源集成：目前仅接入 Prometheus 告警，还可以集成其他数据源，比如 zabbix、阿里云、腾讯云等。
-
分派策略：目前仅有按告警级别的分派策略，希望可以基于 Label、时间段等进行分派，满足更复杂的告警需求。
所以，目前监控平台 V1.0 版本的架构流程大致如下：
其中主要涉及：
-
管理端：便于 SRE 工作期间的告警管理，包括不限于接入配置、告警处理、历史查询等。
-
移动 H5 端：便于使用手机查看、认领、屏蔽告警信息。
另外，管理端又分前后端，其主要使用 gin-vue-admin 框架实现。
目前成果展示如下：
（1）仪表盘
（2）协作空间
（3）故障列表
（4）通知模板
（5）通知渠道
（6）通知策略
（7）排班管理
另外，每一个协作空间里面也会单独列出该空间的告警信息，如下：
通知策略目前仅可以按告警级别进行通知，如下：
告警通知端接收到的告警信息如下：
其中点击未解决告警，即进入 H5 页面，也会展示相关的告警信息，如下：
以上就是目前告警平台实现的主要功能，有些功能不够完善，有些功能还缺失，各位大佬如果有好的建议欢迎留言。