背景
監控一直是服務端掌握應用運行狀態的重要手段，經過近幾年的發展，阿里蝦米服務端目前已經有 100 多個 Java 應用，承擔核心業務的應用也有將近 50 個，對於應用的監控配置也是因人而異。有的人配置的監控比較細，有的應用在經歷了多人開發階段以後，監控就逐漸疏於管理，有些應用的監控項最後修改時間只停留到 2 年以前，早已不適應業務的發展。
與大部分團隊一樣，蝦米也有一個報警處理羣，將內部的監控報警平臺（如 Sunfire 等）的信息通過機器人投遞到羣中，由於監控項配置不合理、監控粒度較大，每天報警羣都被幾十條甚至上百條報警通知狂轟亂炸，長此以往大家對報警已經麻木，大部分報警也不會去處理。
基於這樣的現狀，蝦米 SRE 團隊（SRE全稱Site Reliability Engineering,最早由Google提出。致力於打造高可用、