તમે એલર્ટ થ્રેશોલ્ડ કેવી રીતે પસંદ કરો છો જેથી એલર્ટ થાકાન અને ખોટા હકારાત્મક ટાળી શકાય?

Question

Accepted Answer

મુખ્ય નિયમ: **લક્ષણો પર સતર્ક કરો, કારણો પર નહીં**, અને **માત્ર તે જ સૂચના આપો જે કાર્યક્ષમ અને તાકીદી છે**. એક ઘોંઘાટીયું એલર્ટ જે દરેક રાત આગ લાગે છે તે મ્યુટ અથવા અવગણવામાં આવે છે — તેથી વાસ્તવિક જોખમ એલર્ટ ખોવાનું નથી, તે સુવેદન થાપી દેવાયેલ on-call છે જે વાસ્તવિક પર સૂઈ જાય છે.

## કારણો પર લક્ષણો

**વપરાશકર્તા-સામનો SLOs** (ભૂલ દર, વિલંબ, ઉપલબ્ધતા) પર સતર્ક કરો, આંતરિક કારણો જેવા કે "CPU > 80%" પર નહીં. ઉચ્ચ CPU હાર્મલેસ હોઈ શકે છે; જે મહત્વનું છે તે એ છે કે વપરાશકર્તાઓ પ્રભાવિત છે કે કેમ.

```text
BAD  (cause)     CPU > 80% for 5m            → fires constantly, often no impact
GOOD (symptom)   error-rate SLO burn is fast → fires only when users hurt
```

## બહુ-વિન્ડો બર્ન-રેટ એલર્ટ્સ

સિંગલ સ્થિર થ્રેશોલ્ડ કાં તો ખૂબ ટવિચી છે અથવા ખૂબ ધીમો છે. તેના બદલે, તમે **ભૂલ બજેટ** બર્ન કરી રહ્યા છો તેની ગતિ પર સતર્ક કરો, બે વિન્ડો ગ્રાહણ કરીને જેથી ઝડપી બર્ન તરત જ સૂચના આપે અને ધીમો બર્ન માત્ર જો તે સતત રહે તો જ સૂચના આપે.

```yaml
# Page: 2% of monthly budget burned in 1h AND still burning over 5m
- alert: HighErrorBudgetBurn
  expr: |
    (slo:error_ratio_1h > 14.4 * 0.001)   # fast window: catch big outages
    and
    (slo:error_ratio_5m > 14.4 * 0.001)   # short window: confirm it's still happening
  for: 2m
  labels: { severity: page }
```

શોર્ટ વિન્ડો એ સમસ્યા માટે સૂચના આપતા અટકાવે છે જે ભૂલથી સમાધાન પામી ગયું છે; લાંબો વિન્ડો સંક્ષિપ્ત બ્લીપ માટે સૂચના આપવાથી અટકાવે છે.

## સૂચના વર્સ ટિકિટ વર્સ ડેશબોર્ડ

```text
PAGE       actionable + urgent  → wake a human now (SLO at risk, checkout down)
TICKET     actionable, not urgent → fix in business hours (disk 70%, cert in 20 days)
DASHBOARD  informational         → no alert, just visible (per-endpoint traffic)
```

જો એલર્ટ કાર્યક્ષમ નથી, તો તે સૂચના આપવું જોઈએ નહીં — તેને ટિકિટ અથવા ડેશબોર્ડ પેનલમાં ફેરવો. પછી **સમય જતાં ટ્યુન કરો**: દરેક સૂચના ચકાસો, તેમને કાઢી નાખો જેના પર કોઈ પણ કાર્યવાહી કરી નથી.

## તે શા માટે મહત્વનું છે

એલર્ટ થાકાન એક સ્થિરતા જોખમ છે, માત્ર એક તકલીફ નથી: માનવો માનસિક રીતે ઘોંઘાટીયા ચેનલોને ફિલ્ટર કરે છે, તેથી તમે જેટલા વધુ ખોટા હકારાત્મક મોકલો છો, તેટલું જ વધુ સંભવ છે કે એક સાચો આઉટેજ ચૂક થાય. લક્ષણો પર સતર્ક કરવું બર્ન-રેટ વિન્ડો સાથે, અને સૂચનાને કાર્યક્ષમ તાકીદ માટે આરક્ષિત રાખવું, પ્રત્યેક સૂચનાને અર્થપૂર્ણ રાખે છે — જે on-call ને જવાબદાર રાખે છે તે છે.