01
监控告警概述
什么是设备监控？为什么需要告警规则？告警规则的核心三要素（指标、阈值、持续时间）。
基础核心概念
02
监控指标体系
CPU使用率、内存使用率、磁盘IO、网络带宽、进程存活、日志关键字等常见指标详解。
指标运维
03
告警级别定义
Critical、Warning、Info级别的划分标准与业务影响评估。
级别SLA
04
阈值设定方法论
静态阈值 vs 动态阈值，基线学习与异常检测。
阈值动态
05
持续时间与聚合窗口
如何避免告警风暴？聚合函数（avg、max、sum）的选择。
窗口降噪
06
告警规则语法
PromQL基础（以Prometheus为例），规则文件结构。
PromQL语法
07
规则配置实战（一）
CPU使用率 > 90% 持续5分钟触发Critical告警。
CPUCritical
08
规则配置实战（二）
内存使用率 > 85% 且持续10分钟触发Warning告警。
内存Warning
09
规则配置实战（三）
磁盘根分区使用率 > 80% 触发Warning，> 95% 触发Critical。
磁盘分级
10
规则配置实战（四）
网络接口丢包率 > 0.1% 持续3分钟触发告警。
网络丢包
11
规则配置实战（五）
关键进程（如nginx、mysql）存活检测，进程挂掉立即告警。
进程存活
12
规则配置实战（六）
日志关键字匹配，5分钟内出现3次“ERROR”触发告警。
日志关键字
13
告警路由与分组
如何将告警发送给不同团队？标签与路由规则。
路由分组
14
告警抑制与静默
避免重复告警，维护窗口期静默配置。
抑制静默
15
告警通知渠道
邮件、钉钉/企微/飞书机器人、短信、电话告警集成。
通知集成
16
告警模板设计
如何编写清晰、可操作的告警消息模板？
模板可读性
17
告警规则调优（一）
减少误报——调整阈值与持续时间。
调优误报
18
告警规则调优（二）
减少漏报——引入多指标联合判断。
调优漏报
19
告警规则调优（三）
基于历史数据的阈值自动调整。
动态阈值历史
20
告警规则调优（四）
告警降噪——相似告警合并与去重。
降噪合并
21
告警规则调优（五）
告警升级机制——长时间未处理自动升级。
升级升级
22
多环境规则管理
开发、测试、生产环境告警规则差异化配置。
环境配置
23
告警规则版本控制
如何用Git管理告警规则变更？
Git版本
24
告警规则自动化测试
模拟故障注入，验证规则有效性。
测试故障注入
25
告警规则性能优化
减少Prometheus查询负载，避免规则计算超时。
性能PromQL
26
告警规则可视化
Grafana告警面板配置与展示。
Grafana面板
27
告警规则审计与复盘
如何通过告警记录改进规则？
审计复盘
28
云原生环境告警
Kubernetes Pod、Service、Node监控告警。
K8s云原生
29
告警规则最佳实践
业界常见误区与经验总结。
最佳实践经验
30
综合实战
从零搭建一套完整的设备监控告警系统（Prometheus + Alertmanager + Grafana）。
综合项目