半夜三点，手机突然“嗡”地震一下，接着就是短信、电话轮番上阵。不用看都知道，线上服务又出问题了。这种情况对运维人员来说太熟悉了，而这一切的源头，往往就是一个告警通知——发得及时，能抢在用户投诉前处理；发得不准或延迟，可能就是一场事故。
告警通知不是“发出去就行”
很多团队刚开始用运维平台时，觉得只要把监控规则配好，再绑定个邮箱或钉钉群就完事了。可实际用起来才发现，邮件容易被忽略，微信群消息刷得快，等看到时服务已经挂了十分钟。
比如有个电商公司，促销期间数据库连接数猛增，监控系统确实触发了告警，但只发了一封邮件到公共邮箱。结果没人实时盯着，等到客服反馈“下单失败”，技术才反应过来，损失已经造成。
常见通知渠道各有脾气
短信到达率高，适合紧急事件。但成本不低，一条几毛钱，要是误报频繁，月底账单能吓一跳。
电话更直接，接通就提醒，常用于 P0 级故障。不过半夜被打醒谁都烦，所以得控制频率，别让“狼来了”变成日常。
即时通讯工具像钉钉、企业微信、飞书，是现在最常用的。支持机器人推送，还能@具体负责人，配合群内@功能，响应速度比邮件快得多。
比如可以设置：
{
"msgtype": "text",
"text": {
"content": "【严重】应用 api-service-01 CPU 使用率超过95%！",
"mentioned_mobile_list": ["13800138000"]
}
}别忽视邮件和 webhook 的作用
邮件看起来老派，但适合非紧急通知或日报类信息。比如每天凌晨发一份资源使用汇总，方便白班同事一上班就能查看。
webhook 则是扩展性最强的方式。可以把告警推送到自研的调度系统，自动创建工单，甚至联动语音播报设备，在办公室大声念出故障信息——有些金融公司的机房就这么干。
关键是怎么组合使用
单一渠道总有盲区。理想的做法是分级别、分场景配置。
比如：CPU 超过80%发钉钉消息，超过90%加发短信，达到95%再打电话。这样既保证紧急情况不漏，也避免小波动打扰太多人。
还有一个细节：通知内容要清晰。别只写“主机异常”，得带上IP、时间、指标值和可能原因。让人一眼知道发生了什么，而不是先登录系统查半天。
好的告警通知，不是制造噪音，而是精准传递信息。渠道多了不代表更安全，搭配合理、响应顺畅，才是真靠谱。