有有台账、有监控、有日志，也接了链路追踪。可一出故障，大家还是要靠人肉在群里拼线索。

工具往往已经够多，真正缺的是把发现、定位和处置接起来。下面用 6 张图说清楚。

01｜先看整条闭环

发现异常只是开始。定位、恢复、复盘和预防接得上，处理过的问题才不会一再重来。

02｜三类数据怎么配合

Metrics 看趋势，Traces 找链路，Logs 查现场。排障时把三者串起来，比来回切平台省事得多。

03｜数据从哪里来

应用和基础设施产生数据，经过采集、清洗和统一标签，再写入对应的存储系统。

04｜告警要落到具体的人

一条告警要有级别、上下文和责任人。进入事件流程后，处置过程和恢复结果也要留痕。

05｜AI 适合放在哪里

先让 AI 整理告警、分析根因、推荐方案。高风险操作保留人审，并准备好回滚路径。

06｜建设有没有效果

别只数接入了多少工具。发现快不快、恢复要多久、同类问题是否复发，这些更值得看。