三、監控告警

監控告警是上線后的風險治理必要機制，一旦出現告警，我們可以第一時間排查和解決，防止更多的客訴產生。

1. RPC 層監控

? 超時監控

? 異常報錯

? 可用率

2. CACHE 監控

? redis 連接異常

? r2m 可用率

? r2m 容量

? r2m 主從切換

3. MQ 監控

? MQ 接收重復

? MQ 發送失敗

? MQ 內處理失敗

4. Task 監控

? 定時任務未執行

? 定時任務超時

? 定時任務執行異常

5. 業務異常監控

? 獲取鎖異常

? AKS 和防刷未通過異常

? 任務領獎 / 接取等異常

? 人群沒有權限

6. JVM 監控

? fullGc 日志與告警

? jvm 監控告警

7. 容器監控

? 實例存活

? CPU 負載 & 使用率

? 機器內存

8. DB 監控

? DB 層 CRUD 執行異常

? cleverBD 慢 SQL 定期巡查

? DB 查詢操作時間超長

? 線上環境（應用、數據庫、配置等）審批負責人是否為當前 leader

9. 利益點監控

? 營銷發獎失敗

? 庫存不足

? 活動未開始 / 已結束

? 被風控

? 防重失敗

? 單個用戶領取利益數量超過配置的警戒線

? 活動整體發放量超過配置的警戒線

? 其他異常失敗

10. 業務響應碼監控

? 第三方接口正常碼和異常碼配置來監控可用率

11. 配置校驗

? 獲取配置異常

? 配置中該配應配字段未配置

? 配置中字段配置類型異常

? 沒有符合當前時間的配置

? 活動已結束但仍然有大量用戶訪問

? 多個配置的時間點沖突

? 配置的獎勵 Id / 任務 Id 等在第三方接口未查詢到

? 每次運營修改配置，修改項通過告警發送到研發，對告警分等級

12. 活動資格校驗

? 繞開某個校驗告警

? 應是老用戶領獎但新用戶通過前置校驗進入領獎流程

作者：京東科技 胡駿

來源：京東云開發者社區 轉載請注明來源