标签：PagerDuty

1. 总体目标与设计原则 目标：在不降低安全性的前提下，尽量把常见故障的检测与初步恢复自动化，缩短MTTR。 原则：1) 可观察性优先（指标 + 日志 + 拓扑）；2) 自动化要幂等、可回滚、限频；3) 告警与自动化分离，先告警再允许自动执行，逐步放开权限；4) 蓝绿/金丝雀+熔断机制保护生产。 2. 清点并分类监控对象 步骤：1) 列出机房