警报通知

基调听云Network提供警报通知功能，用户可以根据现有任务的需要，灵活制定警报策略，支持性能警报、错误警报和智能警报三种警报方式。系统可以分别根据性能、错误、可用性进行触发，警报系统会发送邮件和短信进行通知。智能警报基于机器学习原理，免去了复杂的阈值配置工作，并通过长期的学习过程，根据用户进行的反馈逐渐契合用户对的警报的认知。

性能警报

为监测任务设置多种性能指标及可用性报警，当监测任务的这些性能指标项的性能值或可用性超过了设置的阈值时，系统会发送邮件和短信进行报警，并生成警报日志。

性能警报功能提供静态警报和动态警报，系统管理员可以根据自身网站的情况，灵活配置警报。

静态警报是直接设置一个静态的性能值和一个静态的可用性值，设置警报触发的条件，同时满足触发或满足条件之一触发。

由于有些网站的内容或其它是随时变化的，如果用静态警报会不够灵活。动态警报最大的不同是可以基于一个警报的基础上动态变化，系统管理员可以指定一个计算周期，在此计算周期上警报可以灵活的变化。

配置性能警报基本信息：

配置性能警报条件：

配置性能警报规则：

配置性能警报通知：

错误警报

系统管理员可为监测任务设置发生错误时报警，可选择一个或多个错误作为警报触发条件。当监测任务发生这些错误时，触发警报并生成警报日志。

配置错误警报基本信息：

配置错误警报条件：

配置错误警报规则：

配置错误警报通知：

智能警报

智能警报采用了基于时间序列预测的异常检测及智能报警算法。

基于时间序列预测的异常检测算法
基于数据模型的统计学方法是最广泛的异常检测技术，它的基本原则是：针对训练数据集（通常是正常样例）进行统计学的建模，如果某个数据样例不符合训练所得的随机模型，则被判别为异常样例。数据样例不符合随机模型是指样例不太可能由该模型所生成，一般通过统计检验的方式来确定，基于以下假定：正常的数据样例发生在统计学随机模型的高概率区域，而异常的数据样例发生在模型的低概率区域。也就是说，我们基于检验统计量可得到未知数据样例由已知模型生成的概率，如果概率小于某个预定的标准，则认为该样例是异常。

基于机器学习的智能报警算法
通过基于时间序列预测的异常检测算法，我们可以让报警系统自动地、比较准确地完成故障检测及报警的工作，从而大大地较少繁重的手工设定各个性能指标报警阈值及人工管理的任务，达到故障检测自动化和智能化的目的。

警报日志

通过警报日志可查看到警报发生时的具体信息，包括性能警报日志、错误警报日志和智能警报日志。

在警报详情中，您可以查看警报概览、警报时间轴、性能散点图、监测点的访问记录。

警报概览：包括警报名称、报警类型、任务名称、任务类型、警报状态、警报持续时间、分组方式。

警报时间轴：表示警报触发的过程，从左到右按顺序显示，包括普通警报（橙色）、严重警报（红色）、警报解除（绿色），选中时间轴中某个节点后下方散点图数据随之刷新，展示该时间段内监测数据。

警报详细数据：以散点数据展示当前警报周期内监测数据。

警报推送

Network产品的警报推送分为两种：HTTP推送和UDP推送。越来越多的客户开始使用统一的信息接入平台，来对接第三方服务厂商推送过来的信息，例如警报信息。Network产品实现了模板化的警报推送方式，可以将标准的警报字段按客户需求拼接成所需格式，来满足客户对警报信息的多样化需求。

性能警报#

错误警报#

智能警报#

警报日志#

警报推送#

性能警报

错误警报

智能警报

警报日志

警报推送