2、值班基线核验的定义：什么是值班基线、核验的触发条件与核验周期
值班基线核验是 On-Call 自动化体系中用于保障值班人员“在线、可用、能响应”的第一道防线。它通过定期或事件驱动的方式，验证当前值班人员是否满足预设的响应能力基线，从而在告警真正触发前消除“人不在线”的盲区。
2.1 什么是值班基线
值班基线（On-Call Baseline）是一组描述值班人员“应当具备的响应能力”的标准化规则集合。它定义了在任意时刻，值班人员必须满足的最低可用性条件，是核验动作的判定依据。
| 基线维度 | 定义 | 典型指标 |
|---|---|---|
| 在线状态 | 值班人员是否已登录值班系统并保持活跃 | IM 在线状态、值班 APP 心跳、VPN 连接状态 |
| 通知可达 | 值班人员的通知渠道是否可用且已配置 | 电话可接通、短信网关正常、Push 通道未过期 |
| 响应时效 | 值班人员在规定时间内完成确认的能力 | 首次确认时间 ≤ 5 分钟、升级超时阈值 |
| 排班合规 | 当前值班人员与排班表一致，无脱班、代班未登记 | 排班匹配率 100%、代班审批记录完整 |
| 技能覆盖 | 值班人员具备处理当前告警类型的技术能力 | 服务树匹配、技能标签、历史处理记录 |
实践建议：基线不是静态的。建议按服务等级（P0/P1/P2）设置不同严格程度的基线模板。例如 P0 服务要求“在线 + 电话可达 + 5 分钟确认”，P2 服务可仅要求“IM 在线 + 30 分钟确认”。
2.2 核验的触发条件
值班基线核验并非持续运行，而是由明确的触发条件驱动。根据触发来源，可分为三类：
- 时间触发（定时核验）：按照固定时间窗口执行基线检查，用于发现长期脱班、通知渠道失效等慢性问题。
- 事件触发（变更核验）：当值班环境发生变更时立即触发核验，用于发现因变更导致的即时性基线偏离。
- 告警触发（联动核验）：当真实告警到达时，在分发前先执行一次基线核验，用于决定是否跳过、降级或升级该告警。
| 触发类型 | 触发场景 | 核验目的 | 典型周期/延迟 |
|---|---|---|---|
| 时间触发 | 每整点、每班次交接后、每日 08:00 | 发现慢性脱班、渠道过期 | 5~60 分钟 |
| 事件触发 | 排班变更、代班审批、人员离职、通知渠道修改 | 即时验证变更后的基线合规 | 变更后 30 秒内 |
| 告警触发 | P0/P1 告警到达、告警风暴、首次告警 | 决定告警分发策略（正常/降级/升级） | 告警到达时实时 |
常见误区：不要只依赖时间触发。很多值班事故发生在排班变更后的几分钟内，如果核验周期是 1 小时，那么这 60 分钟就是“无人值守窗口”。必须将事件触发作为补充，覆盖变更盲区。
2.3 核验周期
核验周期（Validation Interval）定义了两次基线核验之间的时间间隔。周期设计需要平衡“发现及时性”与“系统开销”：
- 短周期（1~5 分钟）：适用于 P0 服务、核心链路值班，能快速发现脱班，但会增加通知渠道的探测压力。
- 中周期（15~30 分钟）：适用于 P1 服务、常规业务值班，是大多数团队的默认选择。
- 长周期（1~4 小时）：适用于 P2/P3 服务、非核心时段值班，开销低但发现延迟高。
实际生产中，建议采用多级周期策略：
# 多级核验周期配置示例（YAML）
baseline_validation:
tiers:
- service_level: "P0"
interval: "5m"
triggers: ["time", "event", "alert"]
- service_level: "P1"
interval: "15m"
triggers: ["time", "event"]
- service_level: "P2"
interval: "1h"
triggers: ["time"]
event_override:
enabled: true
cooldown: "30s" # 事件触发后 30 秒内不重复核验
核验周期设计原则：
- 周期 < 告警升级超时时间的一半（例如升级超时 10 分钟，则周期 ≤ 5 分钟）
- 事件触发核验不受周期限制，变更后立即执行
- 告警触发核验应跳过周期等待，直接执行
2.4 核验结果与后续动作
基线核验完成后，系统根据结果执行不同的后续动作，形成闭环：
| 核验结果 | 含义 | 后续动作 |
|---|---|---|
| 通过 | 值班人员满足所有基线维度 | 正常进入告警分发流程，记录核验日志 |
| 不通过（可降级） | 部分维度不满足，但仍有备用值班人员 | 降级至备用值班、发送通知提醒主值班修复 |
| 不通过（需升级） | 所有值班人员均不满足基线 | 升级至值班经理、触发应急响应流程、记录事件 |
自动化闭环示例：某团队配置了每 15 分钟的时间触发核验。在一次核验中发现主值班 IM 离线、电话不可达，系统自动将告警路由至备用值班，同时向主值班发送 SMS 提醒。5 分钟后主值班上线，下一次核验通过，系统自动恢复主值班路由。整个过程无需人工介入。
值班基线核验是告警降噪的前置条件——只有确认“人在线”，告警分发才有意义。下一层我们将探讨如何基于核验结果，对告警进行智能降噪与路由决策。