|
1.异常信息检测
update消息，主要是监听并缓存uptime消息，同时避免时间窗内多次消息冲突，导致信息被覆盖。
delete消息，通过SA判断ping不通，且ssh不通情况下发起，删除该条消息，避免延迟太长。
insert消息，在新增加机器， 或者重装后重新上位的机器发起，该消息对宕机发现价值不大，配合uptime使用。
2.网络异常检测
服务器较多误报是由于网络问题干扰，无法准确判断出物理机是否宕机，有可能是网络问题。
排除上联网络设备异常导致的误报，包括机房断网演练，小面积网络故障，上联网络故障，如通过探测丢包情况，使用一些逻辑初步判断网络问题。
服务器本身未丢包的误报，除了需要过滤出网络问题，还要通过丢包数据分析，过滤掉SA误报问题， SA异常会上报心跳异常，被误理解为宕机。
3.服务器异常信息检测
个别机房有时候会出现大面积风暴式的无故的信息异常，同时网络ping包异常，但上联网络设备ping包正常，这种误报，一般根据具体case具体进行针对性的分析。如根据监控每个机房的上报频率，排除干扰。
4.ping检测
大部分干扰已经过滤掉，但仍有一部分误报隐藏其中。比如ping异常，都合乎宕机判断的逻辑，会导致误判成宕机，如导致网卡被打爆，或者重试率高，这种是业务原因导致网络异常，但业务认为不是异常，需要排除掉。
再例如服务器并没有挂掉，但是IO延时和资源占用率各项指标都不正常等场景。针对以上等情况，增加uptime判断以及带外日志分析排查。 |
