运维四个关键指标

告警事件数量：要么是基础设施有故障，要么是监控工具配置错误需要调整。通过告警，知道能做什么操作，而不是大量时间来关闭冗余报警？ 可以通过周报／日报进行数据的性能分析来指导优化我们的工作，而不是仅仅是告警。

平均解决时间（ MTTR ）：规范化的操作手册、自动化的基础设施管理、可靠的告警升级策略都有助于减少事件，和提升 MTTR。平均解决事件需要和上面告警数量一样，需要记录和统计分析，

平均响应时间（ MTTA ）：可以理解为告警越快发现，越快有人响应，就能够越快的解决。 一般是从职责责任制、协调机制、工作进程透明、工作量和时间可衡量进行提升 MTTA 。

事件管理：建立起有效的一线、二线、甚至三线响应机制，告警及时通知到一线，如果一线没有及时处理，可以自动升级至二线运维，保障每一个重要事件能够得到及时响应和处理。 你可能有一个 NOC，一线支持团队或者自动修复工具，可根据内容来升级或分诊输入事件。 类似SaaS云告警平台有几个，大家可以参考下：国外的 PagerDuty , VictorOps , OpsGenie ,国内 OneAlert 。

三伏磨就是基本是已这个4个指标作为运维服务的基准。