故障列表
故障列表有两个入口:协作空间内的列表只显示该协作空间的故障;故障管理 菜单下的列表可跨协作空间查看,最多覆盖全公司的故障。
为了提升性能,当检索条件匹配到超过 1000 条故障,系统仅展示 1000+,而不是精确的数字。因此,您通过跳页,也只能查看 1000 条故障,如果需要查看更多,请调整您的检索时间区间。或通过 故障查询 API 获取全部数据。
使用聚合视图
聚合视图按您定义的维度对故障做实时 Group By,例如按严重程度分组查看。 切换到聚合视图后,列表顶部会出现 聚合规则 选择器:- 选择已有规则:点击下拉菜单,可在当前账户下所有已保存的聚合规则之间切换。每条规则定义了一组 Group By 属性(例如按 严重程度 + 协作空间 +
labels.service) - 新增规则:在下拉菜单底部点击 新增,可在弹出的卡片中勾选属性、标签、自定义字段,并为规则命名后保存,后续可直接复用
- 编辑/删除规则:将鼠标悬停在已有规则上,可通过内嵌图标编辑或删除该规则
- 分享视图:所选规则会记录在列表链接中,复制链接即可把同一视角分享给其他成员
为了提升性能,在聚合视图下,系统最多匹配 100 条 数据进行聚合。因此,您看到的列表页,很可能不包含全部匹配数据。如果您介意这一点,请切换为列表视图。
使用更多筛选
更多筛选 可以组合多个维度,常见用法:- 根据
check标签,检索由告警策略”主机宕机”触发的相关故障 - 根据误报字段,检索被标记为”误报”的相关故障
- 将 未完成的行动项/跟进项 设为 有,集中查看仍有未完成工作项、尚未收尾的故障
- 标签值必须与故障上存储的值完全一致(区分大小写)。值里带
*或用/…/包裹时不会按通配或正则展开,只按这几个字符本身比较:系统提示「标签值只支持精确匹配,不支持 * 或 /…/ 写法;模糊查找请用搜索框」,并且不把这条条件用于查询 - 自定义字段 只列出单选、多选、勾选三类字段,值同样精确匹配;文本字段无法按字段筛选,请改用 键入检索;不支持的字段会提示「只能按单选、多选、勾选字段筛选;文本字段请用搜索框」。保存过的筛选条件恢复时也按这些规则清理
- 同一个标签或自定义字段可以一次选多个值:同一项内选中的值之间是「任一匹配」(多选字段按包含判断),不同标签、不同字段之间仍是「同时满足」。勾选字段只有
true/false两态,同时选中没有意义,只按第一个生效 - 需要模糊查找时用行尾的 键入检索。通配与正则写法只在过滤条件里生效:分派策略、静默策略、抑制策略等规则的条件用的就是那套语法
列表内容说明
每条故障除了标题和处理进度,还会展示两个关键计数:- 关联告警:当前故障聚合到的告警总数
- 告警事件:告警经过聚合后累计的事件数量。当最近 5 分钟 内有新事件合入时,合并图标会以橙色高亮显示,用来提示故障可能仍在持续聚合中
批量操作
在故障列表中勾选一个或多个故障后,可通过列表上方的操作栏执行批量操作:
除 AI 分析 外,以上批量操作均需具备故障更新权限。
自定义渲染
点击故障列表右上角的 设置 按钮,可以定制化展示内容和交互行为:故障详情
故障详情是调查故障的主入口,集中展示与故障相关的全部信息;默认打开的 故障概览 页签汇总了最常用的内容。
标签展示
故障标签显示在详情页的 详细信息 区域,值的特殊展示方式(链接、RUM Issue、图片、ARN、时间、查询语句)见什么是故障 · 标签值展示。 要查看告警触发那一刻的查询,可从这几处打开查询工作台:- 系统标签的悬停说明卡片:
__alert_rule_queries、__alert_rule_values、__alert_rule_relate_queries等查询类系统标签,悬停即可看到查询内容与触发时刻的结果 - 综合信息面板的排查入口:右侧综合信息面板里的 排查入口 区块,见下方 排查入口 一节
- 关联告警 Tab 的「排查」浮层:每一行告警都能用该条告警自己的标签生成入口
AI 总结
点击详细信息区域的 AI 总结 按钮,系统会基于故障关联的告警内容(最多 20 条)生成结构化摘要:- 概述:一句话描述发生了什么
- 影响:受影响的关键资源,如服务、系统、环境、实例等
- 建议:即时可执行的排查和修复操作(最多 3 条)
综合信息面板
故障详情右侧的综合信息面板集中展示围绕该故障的辅助信息,自上而下依次为:排查入口
对由 Monit 告警聚合而成的故障,综合信息面板会在 属性 与 图片 之间多出一块 排查入口。它展示的不是实时查询结果,而是产生该故障的告警规则在告警触发那一刻渲染好的排查入口快照。 每条入口一行:最左边是入口类型图标(查询 / 仪表盘),然后是在规则里填写的用途与数据源(名称 + 类型图标);规则没写用途时,查询入口直接显示查询语句,仪表盘入口显示仪表盘名称与定位路径(整个仪表盘或Tab › Panel)。异常的入口在类型图标右上角带一个橙点。
- 悬停任意一条会弹出详情卡:完整的查询语句(可复制)、按名称列出的变量(由告警标签填入,
未解析的变量标红)、以及 时间范围(上一行是相对告警的前后时长,如「告警前 60 分钟 → 后 10 分钟」,下一行是绝对起止时间),底部是 打开入口 按钮,点击在新页签打开查询工作台或仪表盘对应视图 - 标题旁的数字是快照里的入口条数;N 个异常 徽标统计其中渲染有问题的入口(查询渲染失败、仪表盘变量未解析、数据源或仪表盘已删除 / 无权限)
- 默认只显示前 3 条,其余收在 还有 N 个 后面,点击展开或收起
- 入口列表下方是 关联告警规则 卡片(规则名称 + 数据源,点击跳转到规则)与 查询语句:主查询按
A/B逐条给出触发时刻的值,悬停可看完整表达式并复制,无数据告警会在对应主查询上标注 无数据;关联查询给出触发时刻的结果:统计类查询是结果表格,VictoriaLogs / Loki 且查询方式为「原文」的关联查询按一行一条日志展示,字段以k=v排开、放不下的字段收成「+N 个字段」;悬停卡里最多展示 3 条结果,标题右侧的 查看完整数据 会打开查询工作台看全量
- 规则的排查入口配置有误:提示「规则的排查入口配置有误,本次未生成」,附 去修改规则
- 告警规则已被删除:提示「告警规则已被删除,无法生成排查入口」
- 告警来自旧版 Edge:升级到 v0.75.3 以上后,新告警会自动带上排查入口
- 快照超过 8KB:到监控的告警详情中查看
详情 Tab
故障详情页共包含 7 个 Tab,部分 Tab 会根据故障状态条件显示:时间线评论
时间线 Tab 顶部提供了一个 Markdown 评论框,支持以下能力:- 使用 Markdown 语法撰写备注、排查笔记或沟通纪要
- 直接粘贴或上传图片,截图会自动上传并转为图片链接
- 点击评论中的图片可在页内预览原图
- 在评论中 @ 提及成员,被提及的成员会收到包含评论内容和故障链接的个人通知。通知遵循该成员在 个人中心 → 通知偏好 中的 @提及设置,可选择邮件、短信或 IM 渠道
- 评论发布后会作为一条记录追加到当前故障的时间线上,与系统产生的事件并列展示,便于回溯
@ 提及通知是独立的个人通知,不受故障暂缓、静默等通知屏蔽设置的影响。
评论类型
评论可以携带一个评论类型标签,用于在时间线上区分评论的性质(如”根因分析”、“处置进展”):- 发表评论时,通过评论框旁的 评论类型 选择器为评论指定类型,也可以选择 不设置评论类型;时间线记录上会以彩色标签展示评论类型
- 评论类型是账户级配置,对当前账号下的所有故障生效;修改类型的名称或颜色会同步影响历史评论
- 仅当账户下已存在评论类型,或您拥有评论类型管理权限时,评论框旁才会显示类型选择器
以上限制适用于控制台的「管理评论类型」弹窗。Flashduty App(移动端)中的类型选择器行为不同:类型平铺在评论框上方;有管理权限时可在 更多 面板中新建类型(名称最长 20 字符,从 30 个预设色中选择,不支持自定义颜色);重命名、更换颜色、删除和排序请在控制台完成。
行动项与跟进项事件
行动项与跟进项的每一次操作都会以带图标的记录写入时间线,与评论、认领等事件并列展示:创建、更新、更换负责人、完成、删除,行动项转为跟进项,跟进项关联到复盘。故障关闭时自动转换的未完成行动项会汇总为一条记录。 创建和更换负责人的记录带有指派对象时,句子后接「,指派给 …」:只有成员时按「头像 + 名字」逐个列出;负责人中含 AI SRE 时改用联合署名,成员名以「、」相连,最后以「和 AI SRE」收尾(例如「张三、李四 和 AI SRE」)。AI SRE 代操作记录
AI SRE 代某位成员执行的动作(例如自动化规则跑完一轮排查后把结论写回故障)会以{{name}} 和 AI SRE 联合署名记入时间线,因为 AI SRE 使用的是该成员的身份和权限。
每条这样的记录右侧都有 接续对话 入口,点击会在 AI SRE 面板中打开当时的会话(一个故障可能有多场会话)。需要账户已启用 AI SRE,且您有使用 AI SRE 对话的权限;个人会话(仅创建者可见)或已失效的会话无法接续。
历史变更
历史变更 Tab 展示与当前故障在时间上相关联的变更事件,帮助您快速定位故障根因是否与近期的部署或配置变更有关。 变更事件列表展示以下信息:
您可以通过顶部的筛选条件调整变更事件的查询范围,包括时间范围和变更来源。展开任意一行,可查看该变更事件的时间线可视化,与故障触发时间进行对比分析。
故障复盘
故障详情页内置复盘编辑器,操作区域的快捷按钮可直接跳到 故障复盘 页签。在页签中可以创建复盘、用 AI 生成初稿、编辑标题和正文(富文本)、发布、发布后重新编辑、删除,以及导出为 Markdown。 详见故障复盘。作战室运营
故障已创建作战室时,更多 菜单提供 添加关注人员进入作战室 和 解散作战室。开启条件、集成被禁用后的处理,以及移动端操作,见作战室。常见问题
控制台报错:Due to the large volume of data, we are unable to respond...
控制台报错:Due to the large volume of data, we are unable to respond...
这个错误经常出现于故障、告警列表查询、分析看板等页面。主要是因为系统匹配到的数据过多,查询超时。这种情况下,请您缩小查询范围,比如时间区间,或使用精确的查询条件。如果还有问题,请联系我们。