الفصل 3: التنبيه والاستجابة للحوادث

مبادئ تصميم التنبيه

1. قابل للتنفيذ: يجب أن يكون لكل تنبيه استجابة واضحة
2. في الوقت المناسب: التنبيه قبل أن يلاحظ المستخدمون المشاكل
3. معلوماتي: تضمين السياق للتشخيص
4. مُصنّف حسب الأولوية: حرج مقابل تحذير مقابل معلوماتي

قواعد التنبيه النموذجية

# prometheus-alerts.yml
groups:
  - name: ml-model-alerts
    rules:
      - alert: ModelLatencyHigh
        expr: histogram_quantile(0.99, rate(model_prediction_latency_seconds_bucket[5m])) > 0.1
        for: 5m
        labels:
          severity: warning
        annotations:
          summary: "زمن استجابة النموذج مرتفع"
          description: "زمن الاستجابة P99 هو {{ $value }}s"
          runbook_url: "https://wiki/runbooks/model-latency"
          
      - alert: ModelAccuracyDegraded
        expr: model_accuracy_current < 0.8
        for: 15m
        labels:
          severity: critical
        annotations:
          summary: "دقة النموذج انخفضت تحت العتبة"
          description: "الدقة الحالية: {{ $value }}"

قالب دليل التشغيل

# دليل التشغيل: تدهور دقة النموذج

## الملخص
انخفضت دقة التنبؤ بالنموذج تحت العتبة المقبولة.

## الخطورة
حرج

## التأثير
تؤثر التنبؤات غير الصحيحة على تجربة المستخدم والإيرادات.

## خطوات التشخيص
1. تحقق من مقاييس انحراف البيانات الأخيرة
2. مراجعة تغييرات توزيع التنبؤ
3. تحقق من مشاكل البيانات الأولية

## خطوات الحل
1. إذا تم اكتشاف انحراف البيانات: قم بتشغيل خط أنابيب إعادة التدريب
2. إذا كانت هناك مشكلة في جودة البيانات: قم بتنبيه فريق هندسة البيانات
3. إذا كان هناك خطأ: قم بالتراجع إلى إصدار النموذج السابق

## التصعيد
- L1: مهندس الاستجابة للطوارئ ML
- L2: قائد فريق منصة ML
- L3: رئيس هندسة ML

---

التالي: اختبار الوحدة 9