监控告警：异常检测

监控告警采集指标、日志与链路，在异常出现时通知值班人。AI 借助历史数据学习正常区间，自动检测偏离并减少噪声告警。它把「盯着图表」变成「被通知」。

它是什么

异常检测把时序指标（如延迟、错误率、QPS）与基线对比，对突增、突降或持续越界触发告警；模型可动态适配季节性变化，而非固定阈值。

为什么用 AI 检测

• 静态阈值在业务波动时易误报漏报，模型能随历史自适应。
• 模型按历史自适应，降低噪声，避免告警疲劳。
• 提前发现缓慢劣化，而非等宕机才察觉。
• 多指标关联可定位根因方向，缩短排查时间。

怎么接

定义指标采集与告警规则，让告警携带处置说明。

metrics:
  - name: http_error_rate
    query: rate(errors[5m]) / rate(requests[5m])
    alert: 错误率超过 5% 持续 10 分钟

注意点

• 告警要有清晰归属与处置说明，避免「狼来了」被忽略。

• 保留足够历史数据让模型建立基线，新服务需冷启动期。

• 关注误报成本与漏报代价，二者需平衡，关键路径偏严。

• 告警要有静默与升级策略，避免夜间轰炸却无人处理。

• 为关键指标设置服务水平目标，告警围绕目标而非单纯阈值。

• 记录告警处理结论，形成可检索的事后记录。

• 对静默期与升级路径做演练，避免真故障时无人响应。

小结

AI 异常检测以历史基线动态发现偏离，减少噪声与漏报；但告警须有归属与处置路径，并平衡误报与漏报代价，模型只是辅助而非免审。

参考与延伸阅读

• Prometheus 官方文档（指标与告警）。已核验。https://prometheus.io/docs/introduction/overview/
• OpenAI 文档（应用示例参考）。已核验。https://platform.openai.com/docs