如何实现基于依赖关系的全链路智能监控报警系统？

本文共计5416个文字，预计阅读时间需要22分钟。

更多技术交流、求职机会、试用福利，欢迎关注+字节跳动数据平台微信公众号，回复【1】进入官方交流群+数据平台开发套件数据开发团队自研了+基于依赖关系的全链路智能监控

更多技术交流、求职机会、试用福利，欢迎关注字节跳动数据平台微信公众号，回复进入官方交流群

字节跳动数据平台开发套件数据开发团队自研了基于依赖关系的全链路智能监控报警——基线监控，目前已在字节跳动内部得到广泛使用，覆盖抖音、电商、广告等100+个项目，SLA任务的基线监控覆盖率超过80%。

随着字节跳动业务的快速发展，大数据开发场景下需要运维管理的任务越来越多，然而普通的监控系统只支持配置相应任务的监控规则，已经不能完全满足当前需求，在日常运维中开发者经常会面临以下几个问题：

1. 任务多，依赖关系复杂：很难查找到重要任务的所有上游任务并进行监控。如果监控所有任务，又会产生很多无用报警，导致有用报警被忽略；

2. 配置运维成本高：每个任务的运行情况不一样，承诺完成时间不一样，如果单独对每个任务设置监控，分析及人工对齐任务SLA成本非常高；

3. 报警形式多样性：对于小时级的任务，不同时段的报警及时性要求不同，普通监控无法很好得满足不同时段多样的报警需求。