監控平台與告警治理
從零建立公司監控平台：初版為 Grafana＋OpenSearch＋Fluent Bit，之後加入 Prometheus、Loki 與 Alertmanager，並依服務團隊隔離檢視範圍，告警以 Email 通知。
本人範圍
架構、建置、告警規則、通知與文件。2025 年後第二、三版看板與告警以 AI Agent 協作調整，並先確保資料可備份還原。
做法
- 主機與 K8s 叢集的指標與日誌集中；服務團隊的查詢範圍在後端強制限制。
- 維運總覽 6 張看板，每個服務組織 5 張看板，涵蓋服務、Pod、日誌、路由與儲存。
驗證方式
告警郵件格式經 MIS 驗收；存取邊界於 2026-10-13 驗證。
結果
| 指標 | 數值 | 出處 | 資料來源 |
|---|---|---|---|
| 告警規則／記錄規則／收集目標 | 58 條／22 條／18 個 | Prometheus API，2026-10-21 | 系統紀錄 |
| 相關投入工時 | 496 h | 工時表，2022-06 起 | 系統紀錄 |
| 工時拆分：本人／AI 執行 | 本人約 422 h、AI 執行約 74 h（2025-02-22 前皆計為本人） | 本人估計；2025-02-22 起依當期人機比例拆分，僅計公司登記工時 | 本人估計 |
限制與後續
本案例驗證範圍為告警格式與存取邊界；長時間穩定性觀察與備份還原演練列為下一步。
使用技術
- Grafana
- Prometheus
- Loki
- Alertmanager
- Fluent Bit
- OpenSearch