告警与值班手册

告警系统的目标不是“通知很多人”，而是让值班人员在最短时间内知道问题是什么、影响范围多大、应该先做什么。

值班目标

值班体系应该保证任何一个关键问题都能在明确时限内被接住、被分级、被止损，并留下后续修复线索。

告警分级

• P1：影响实盘交易或核心数据链路
• P2：影响研究和回测但可临时绕过
• P3：非关键任务异常或噪声告警

处理顺序

1. 先判断是否影响交易或核心数据。
2. 再确定是否需要立即止损或回滚。
3. 最后安排补数、修复和复盘动作。

值班动作

1. 确认是否是重复告警。
2. 判断影响链路和业务范围。
3. 先止损，再补数，再做复盘。

手册应包含

• 值班联系方式与升级链路
• 常见故障定位入口
• 临时止损动作模板
• 复盘记录模板和责任归属

常见陷阱

1. 告警过多但没有分级，导致真正故障被噪声淹没。
2. 值班手册只写原则，不写明确动作和入口。
3. 故障复盘没有沉淀到手册，导致问题重复出现。

建议模板

### P1 数据延迟
- 影响范围：实盘信号生成
- 先做什么：停止下游调仓任务
- 排查入口：scheduler / data freshness dashboard
- 升级对象：data oncall, strategy owner

值班交接要点

1. 当前未关闭的 P1/P2 事件。
2. 已采取的止损动作和剩余风险。
3. 需要继续观察的监控项和阈值。
4. 下一位值班人需要优先关注的系统。

复盘输出建议

• 故障时间线
• 首次发现方式
• 止损动作与恢复时间
• 根因和长期修复项