VIP20
本课程属于：029-事故告警阈值策略 DevOps、SRE 与可观测性工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

服务画像健康度模型：驱动metric设计优化告警阈值精度

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导论
为什么需要服务画像健康度模型？传统告…
课程导论为什么需要服务画…
02
核心概念
什么是服务画像？健康度模型的定义与核…
核心概念什么是服务画像？…
03
Metric设计原则
黄金信号（延迟 · 流量 · 错误
Metric设计原则
04
Metric分类体系
基础设施层 · 应用层 · 业务层Metric的划分与关联
Metric分类体系
05
服务画像构建
如何从零开始为服务建立多维度的画像标…
服务画像构建如何从零开始为服…
06
健康度评分算法
加权评分法 · 阈值评分法 · 异常偏离评分法的原理与对比
健康度评分算法加权评分法
07
静态阈值 vs 动态阈值
两种模式的适用场景与优劣分析
vs静态阈值
08
动态阈值基础
基于统计学的均值 · 标准差 · 百分位数的阈值计算
动态阈值基础基于统计学的均值
09
动态阈值进阶
基于时间序列分解（趋势 · 季节 · 残差）的阈值预测
动态阈值进阶基于时间序列分解
10
动态阈值高级
机器学习模型（如Isolation… · sigma）在异常检测中的应用
动态阈值高级Isolation
11
告警阈值精度指标
准确率 · 召回率 · F1-score
告警阈值精度指标准确率
12
阈值优化流程
数据采集 -> 特征工程 -> 模型…
阈值优化流程数据采集
13
数据采集与预处理
Metric数据清洗 · 缺失值处理 · 异常值剔除
数据采集预处理
14
特征工程
时间窗口特征（滑动平均 · 差分） · 统计特征（峰度
特征工程时间窗口特征
15
模型选择与训练
针对不同Metric类型（平稳型 · 周期型 · 突发型）选择最优模型
模型选择训练
16
阈值校准方法
基于历史告警事件的回放校准 · 基于人工标注的监督校准
阈值校准方法基于历史告警事件…
17
多维度健康度聚合
从单Metric到服务整体健康度的聚… · 取最差 · 投票）
多维度健康度聚合Metric
18
告警风暴抑制
基于健康度模型的告警降噪 · 依赖分析 · 告警聚合与收敛
告警风暴抑制基于健康度模型的…
19
案例实战1
电商核心交易链路——从Metric设…
案例实战1Metric
20
案例实战2
数据库服务——连接数 · 慢查询 · QPS的阈值优化实战
案例实战2数据库服务
21
案例实战3
微服务网关——延迟与错误率的动态阈值…
案例实战3微服务网关
22
案例实战4
缓存服务（Redis）——命中率 · 内存使用率的健康度建模
案例实战4Redis
23
案例实战5
消息队列（Kafka）——积压量 · 消费延迟的告警阈值精度提升
案例实战5Kafka
24
A/B测试与灰度发布
如何验证新阈值模型相比旧模型的提升效…
A/B测试
25
自动化运维集成
将健康度模型与告警平台（Promet… · Zabbix · 自研平台）对接
自动化运维集成Promet
26
持续优化机制
建立Metric与阈值的定期复盘 · 迭代更新的SOP
持续优化机制Metric
27
可视化与仪表盘
用Grafana构建服务健康度大屏 · 展示模型效果与趋势
可视化仪表盘
28
团队协作与规范
SRE · 开发 · 业务方如何共同维护服务画像与阈值
团队协作规范
29
常见陷阱与避坑指南
数据漂移 · 概念漂移 · 阈值过拟合
常见陷阱避坑指南
30
课程总结与展望
从健康度模型到AIOps · 未来告警智能化的演进方向
课程总结AIOps