告警一响三小时：这单到底该谁接？

——聊聊监控告警的智能分派（角色 + 历史）

如果你干过运维，一定对下面这个场景不陌生👇

半夜 02:17
钉钉/飞书/短信同时炸了

告警标题：
【严重】服务响应时间飙升

群里第一句话：
“@所有人，这个谁的？”

然后呢？

• A 说：不是我模块
• B 说：我这周不值班
• C 已经睡着
• 最后是最“老实”的那个人默默起床排障

问题不是告警不准，而是：这单压根不知道该给谁。

一、传统告警分派，为什么总是“看运气”？

先说说我们现在普遍怎么做的。

1️⃣ 靠人肉规则

• CPU 告警 → 系统组
• DB 告警 → DBA
• 接口慢 → 应用组

听起来很合理，但现实是：

• 一个慢接口，可能是 DB 慢
• DB 慢，可能是 JVM Full GC
• JVM Full GC，可能是某个定时任务写了屎代码

结果就是：
告警在群里被踢皮球，真正该处理的人反而最晚看到。

2️⃣ 靠值班表

“今天谁值班，谁接锅”

这种方式我不反对，但它解决的是“有人接”，不是“接对人”。

你让一个刚毕业的小哥，半夜去接一个 Kafka ISR 抖动 + 消费堆积的问题，说实话：

他不是在修系统，是在修心态。

二、真正聪明的告警分派，核心只有一句话

最有可能解决这个问题的人，应该第一个看到告警。

注意关键词：

• 不是“职位最高”
• 不是“今天值班”
• 而是：历史上最擅长解决类似问题的人

这就引出了今天的核心主题👇

监控告警的智能分派 = 角色 + 历史

三、什么叫「角色 + 历史」？

我给你拆开说。

1️⃣ 角色：你负责什么，你擅长什么

这里的角色，不只是组织架构里的“系统运维 / 应用运维”。

而是更细的标签，比如：

• 你维护过哪些服务
• 你熟悉哪些组件
• 你常解决哪类问题

举个例子👇

角色不是写在 HR 系统里的，是在故障中“打出来的”。

2️⃣ 历史：你以前接过什么告警，处理得好不好

这是很多团队忽略、但价值最高的一部分。

我们完全可以记录：

• 某类告警 → 谁处理过
• 平均响应时间
• 是否一次解决
• 是否升级过

久而久之，你就能得到一张很真实的画像：

谁，最擅长处理哪类问题

四、一个接地气的智能分派模型（不吹 AI）

我不跟你扯大模型、推荐系统，
先来个80 分能落地的版本。

思路一句话：

用历史告警数据，给每个人算一个「适配分」，分高的优先通知。

1️⃣ 告警先打标签

比如一条告警：

{
   
  "alert_type": "接口响应慢",
  "service": "order-service",
  "metrics": ["rt_p99", "qps"],
  "possible_cause": ["db", "gc", "network"]
}

2️⃣ 人员画像（简化版）

{
   
  "user": "zhangsan",
  "roles": ["Java", "JVM", "order-service"],
  "history": {
   
    "接口响应慢": {
   
      "count": 12,
      "avg_recover_time": 18
    }
  }
}

3️⃣ 算一个“接单优先级分数”

简单粗暴一点👇

def calc_score(alert, user):
    score = 0

    # 角色匹配
    for role in user["roles"]:
        if role in alert["service"] or role in alert["possible_cause"]:
            score += 10

    # 历史处理经验
    history = user["history"].get(alert["alert_type"])
    if history:
        score += history["count"] * 2
        score += max(0, 30 - history["avg_recover_time"])

    return score

分数最高的那几个人，第一波通知
其他人，延迟或仅群内可见

五、这样做，有什么变化？

我说点真实的感受。

✅ 告警不再“吵”

• 群里不再 @所有人
• 半夜不再十几个人被吵醒

✅ 解决速度明显变快

因为：

最懂这个问题的人，最早介入

不是接了再查文档，而是一眼就知道：

“八成又是那个定时任务”

✅ 运维团队开始“长记性”

每一次告警，都会反哺系统：

• 谁处理得好 → 权重上升
• 谁总是转交 → 权重下降

这本质上是一个正向激励机制。

六、我个人的一点偏见（也是经验）

说点可能不太政治正确的。

1️⃣ 不要迷信“平均主义”

告警不是雨露均沾，
让最强的人多打几场硬仗，团队才会整体变强。

2️⃣ 不要把人当成“值班机器”

如果一个人长期接到完全不相关的告警，
他只会越来越麻木。

3️⃣ 智能分派不是甩锅，是尊重专业

把对的问题，交给对的人，
这是对工程师最大的尊重。

七、写在最后

很多团队在堆监控指标、堆告警规则，
但真正的瓶颈，不在“告警准不准”，而在“谁先看到”。

告警如果总是：

响得很快，
但接得很慢，
那它的价值就打了五折。

监控的终点，不是响，而是被正确的人快速解决。

如果你也正在被：

• 告警风暴
• 值班焦虑
• 半夜踢皮球

折磨着，不妨从告警分派这一步，动点真格的。