夜莺监控中业务组告警通知到关联用户组的优化方案
2025-05-22 11:57:11作者:舒璇辛Bertina
问题背景
在使用夜莺监控系统(Nightingale)6.1.0版本时,用户遇到了一个关于告警通知分发的问题。系统设计上,业务组可以关联告警组,而告警组又可以关联多个告警接收人。但在实际使用中发现,当多个告警组共享相同的接收人时,告警通知会出现交叉发送的情况。
问题详细描述
假设我们有以下配置场景:
- 业务组A关联用户组A
- 业务组B关联用户组B
- 用户A属于用户组A
- 用户B同时属于用户组A和用户组B
在飞书集成中,每个用户组的webhook ID是配置在具体用户上的。当业务组A产生告警时,理论上应该只发送到用户组A对应的飞书群。但由于用户B同时属于两个用户组,导致业务组A的告警也会被发送到用户组B的飞书群中。
问题分析
这个问题本质上源于夜莺监控系统的告警通知分发机制:
- 系统会遍历业务组关联的用户组
- 对每个用户组,系统会遍历其下的所有用户
- 每个用户的联系方式都会被用来发送告警通知
当用户属于多个用户组时,就会导致告警通知被发送到多个渠道,即使这些渠道本不应该接收该业务组的告警。
解决方案
针对这个问题,可以采用"虚拟用户"的方案来解决:
-
创建专用虚拟用户:
- 为每个用户组创建专用的虚拟用户(如virtual-A、virtual-B)
- 这些虚拟用户仅用于接收特定用户组的告警通知
-
配置通知渠道:
- 将用户组A的飞书webhook配置在virtual-A上
- 将用户组B的飞书webhook配置在virtual-B上
-
用户组关联:
- 将virtual-A加入用户组A
- 将virtual-B加入用户组B
-
移除共享用户:
- 从用户组A和用户组B中移除实际用户B
- 保留实际用户仅用于日常管理,不用于告警通知
方案优势
- 隔离性:每个用户组的通知渠道完全独立,互不干扰
- 可维护性:修改某个用户组的通知渠道时,不会影响其他用户组
- 清晰性:系统管理员可以清晰地看到每个用户组的通知配置
- 扩展性:可以方便地添加新的通知渠道而不影响现有配置
实施建议
- 在实施前,建议先在测试环境验证该方案
- 可以为每个用户组创建多个虚拟用户,实现通知渠道的冗余
- 定期检查虚拟用户的配置,确保通知渠道的有效性
- 可以考虑为虚拟用户设置明显的命名规范,便于管理
总结
通过引入虚拟用户的概念,可以有效地解决夜莺监控系统中业务组告警通知交叉发送的问题。这种方案不仅解决了当前的问题,还为未来的扩展和维护提供了良好的基础。对于使用夜莺监控系统的企业来说,这是一个值得考虑的优化方案。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217