1. 课程导论：Opsgenie 值班基线告警路由核验的背景、目标与课程结构
1.1 背景：为什么需要值班基线告警路由核验？
在现代 SRE 运维体系中，Opsgenie 作为核心的事件响应平台，承担着“告警接收 → 智能路由 → 值班通知 → 升级策略”的关键链路。然而，随着业务规模增长、团队人员变动、值班轮换频繁，告警路由配置极易出现以下问题：
- 告警沉默：告警被路由到已离职或休假成员，无人响应。
- 路由错乱：P1 级核心告警被错误路由到低优先级值班组，导致响应延迟。
- 升级失效：升级策略中的超时时间、重复通知次数配置不合理，关键告警被淹没。
- 基线漂移：初始配置的“值班基线”在多次变更后偏离原始设计，缺乏定期核验机制。
本课程旨在建立一套系统化的 Opsgenie 值班基线告警路由核验 方法论，帮助 SRE 团队从被动救火转向主动审计，确保每一条告警都能在正确的时间、以正确的路径、到达正确的人。
核心观点： 告警路由核验不是一次性检查，而是一种持续的可观测性实践，需要与值班基线、SLO、事件响应流程深度绑定。
1.2 目标：核验要解决什么？
通过本课程的学习，学员将能够：
| 目标维度 | 具体描述 | 可量化指标 |
|---|---|---|
| 配置审计 | 识别 Opsgenie 中所有告警路由规则与值班基线的偏差 | 偏差规则数 / 总规则数 ≤ 5% |
| 路由验证 | 确保 P1/P2 告警在 1 分钟内到达正确的值班组 | 路由准确率 ≥ 99.5% |
| 升级策略 | 验证升级链路的超时、重复、转交逻辑符合 SRE 响应 SLO | 升级超时命中率 ≤ 2% |
| 基线固化 | 将核验结果转化为可执行的自动化检查脚本 | 核验覆盖率 ≥ 90% |
1.3 课程结构：从理论到实战的 30 章体系
本课程共分为 6 大模块，总计 30 章，循序渐进地覆盖核验全流程：
1.4 核验流程概览
每章核验遵循统一的 5 步流程，确保可重复、可审计：
- 基线提取：从 Opsgenie API 或 Terraform 状态文件中导出当前配置。
- 规则比对：将导出配置与预定义的“黄金基线”进行差异分析。
- 路由模拟：使用 Opsgenie 的告警模拟功能或自定义脚本验证路由路径。
- 结果标记：将偏差项标记为 PASS / WARN / FAIL，并记录根因。
- 修复建议：针对 FAIL 项生成可执行的修复步骤或自动化脚本。
提示： 本课程所有核验步骤均提供对应的 Opsgenie REST API 调用示例和 Python 脚本模板，可直接集成到 CI/CD 流水线中。
1.5 前置知识与工具准备
建议学员在开始本课程前，具备以下基础：
| 类别 | 具体要求 | 备注 |
|---|---|---|
| Opsgenie 基础 | 了解告警、值班组、排班、升级策略等核心概念 | 可参考 Opsgenie 官方文档 |
| API 使用 | 熟悉 REST API 调用，能使用 curl 或 Postman | 需要 Opsgenie |
| 脚本能力 | 能阅读和修改 Python 或 Bash 脚本 | 课程提供完整脚本模板 |
| 可观测性工具 | 了解 Prometheus / Grafana 基本使用 | 用于告警延迟监控 |
1.6 课程产出物
完成本课程后，学员将获得以下可直接投入生产的交付物：
- 核验检查清单：涵盖 30 个核验项的 Excel / Markdown 模板。
- 自动化核验脚本集：基于 Python + Opsgenie API 的核验工具包。
- Grafana 仪表盘：用于实时监控告警路由健康度的可视化面板。
- 核验报告模板：可直接输出给管理层的 PDF 格式审计报告。
注意： 本课程所有核验操作均建议先在测试环境执行，避免对生产告警路由造成影响。课程第 2 章将专门讲解如何搭建安全的核验沙箱环境。