1.整理出一份常见 Java 错误类型清单，与各项目组进行沟通调研后，根据线上应用系统日常使用的异常频次，对告警进行分类设计；
2.在设计告警发送内容时，重点考虑如何将告警核心或关键内容直接发送给后续运维人员，以保证能够快速排障；
3.性能优化部分需从产品层面进行优化，后续不断优化调整。
2解决方案
1、基于 SPL 定义 Java 通用告警
在告警实现上，借助“Schema on Read”方式，将原先不好处理、不规则的日志，快速识别为可用、规则的日志。
根据前期调研汇总，共整理了 14 个 Java 通用告警，其中包括 MySQL 异常、IOException、EOFException、运行异常、堆栈溢出、空指针、死锁、超时、Fatal、连接池、连接失败、Transaction 等告警。
其部分告警节选如下：
2、编辑告警插件，适配应用环境
告警部分的功能设计具有开放式和模块化的特点，使用 Python 语言对原有告警插件重新进行编辑，即可定义自己想要的重要参数和关键信息。设计自定义插件时，重新编写了短信发送告警插件，可设置选项包括“告警收件人”、“告警级别”、“告警系统”等关键信息，如下图所示：
告警插件会将告警变量信息通过短信进行发送，告警接收端呈现内容如下图：
3、知识库助力快速排障
告警触发后，可登录日志平台，在“知识”界面搜索相应告警并查看详情。
一线值班或运维人员可根据系统、主机及告警关键信息，快速定位故障，并根据知识库中的处理流程，快速处理不同类型的 Java 告警。
4、建立基线，优化告警阈值，提升运营管理水平
统计每类 Java 告警的告警数量及时间段；
统计所有应用系统 Java 告警总数量及时间段；
统计新上线系统 Java 异常数量及时间段；
统计 Java 告警数的主机 Top 10、应用系统 Top 10 和模块 Top 10。
根据上述统计信息，可形成一条 Java 应用系统的运维基线。根据该基线逐步调整和优化告警阈值，可从运营管理的角度减少告警发生，降低日常运维工作量。
