值班工程与告警疲劳治理
值班不是「排个班表」，而是一套需要工程化设计的系统。本文讲透告警疲劳的成因、值班轮换与主备/影子制度、告警分级与路由升级、去重聚合抑制与基于 SLO 的降噪、告警与 Runbook 的绑定、交接与复盘，以及值班健康的度量指标与常见坑，帮助团队把值班从沉重负担变回可靠底座。
tag
On-Call
共 6 篇文章。
《Go 语言编程实战》16.3 告警与 on-call
发布流程的最后一环是「坏版本由谁第一时间发现」。本节把 TaskHub 的 SLO 落成会响的告警：用本机真算的月度错误预算 43.2 分钟与 14x/4x/1.5x/0.8x 四档燃烧率讲清多窗口告警怎么既不漏报也不吵人，再给出值班手册、升级路径与不追责复盘的落地模板。
数据可观测性：从管道监控到数据宕机的全方位保障
系统解析数据可观测性（Data Observability）的落地体系：管道 Job 状态/耗时/失败率监控、数据新鲜度与数据宕机概念、Volume/Quality/Schema 四类核心指标、Airflow/Dagster 工作流可观测性、日志与链路追踪、告警分级与 on-call 机制，以及与 dbt/ELT 管道的深度集成，附生产配置与案例。
SLO 与错误预算工程：从 SLI 设计到发布冻结的可靠性闭环
深入讲解 SLO 与错误预算工程的 DevOps 实践：SLI 设计（可用性/延迟/错误率）、SLO 目标设定与错误预算计算、告警策略（Multi-window / Multi-burn-rate）、错误预算耗尽处理（冻结发布）、SRE 值班与 On-Call、与混沌工程/发布门禁联动、工具（Prometheus/Pyrra）以及真实案例。
DevOps 事件响应体系：On-Call 轮值、MTTR 优化与事后复盘
构建完整的 DevOps 事件响应体系，涵盖 On-Call 轮值设计、告警分级策略、Runbook 自动化、MTTR 度量优化与无责事后复盘文化，附有 PagerDuty / Prometheus 配置示例。
告警设计与事件响应：降噪、分级、值班与事后复盘
系统性告警与事件响应实战指南：告警设计的黄金法则（可行动性/关联上下文/优先级/渐进式）、Four Golden Signals 与 USE/RED 方法论、告警分级（P0/P1/P2/P3）与升级策略、告警疲劳根因分析与降噪手段（抑制/聚合/去重/依赖静默）、值班轮换（on-call）制度、事件响应 SOP（检测/评估/缓解/复盘）、ChatOps / Runbook 自动化、事后复盘模板（Postmortem）与无责文化、MTTR/MTBF/MTTF 指标定义与追踪、PagerDuty/Opsgenie 集成实践。