La société Grafana Labs, qui développe la plateforme de visualisation de données Grafana et le système de surveillance Prometheus, a annoncé l'ouverture du code source de son système de réponse aux incidents OnCall, conçu pour assurer la collaboration des équipes dans la résolution et l'analyse des incidents. OnCall était auparavant proposé sous forme de produit propriétaire et a été acquis par Grafana lors de l'absorption de la société Amixr Inc. l'année dernière. Le code du projet est écrit en Python et est publié sous la licence AGPLv3.
Le système permet de collecter des informations sur les anomalies et événements provenant de divers systèmes de surveillance, puis de regrouper automatiquement les données, d'envoyer des notifications aux équipes responsables et de suivre l'état de la résolution des problèmes. L'intégration est supportée avec les systèmes de surveillance Grafana, Prometheus, AlertManager et Zabbix. Les informations reçues des systèmes de surveillance filtrent les événements secondaires et peu significatifs, agrègent les doublons et excluent les problèmes pouvant être résolus sans intervention humaine.
Les événements significatifs, débarrassés des bruits d'information superflus, arrivent dans le sous-système d'envoi d'alertes, qui désigne les employés responsables des catégories de problèmes identifiés et envoie des notifications en tenant compte de leur emploi du temps et de leur disponibilité (les données du calendrier-planificateur sont évaluées). La rotation des attributions d'incidents entre différents employés et l'escalade des problèmes particulièrement importants ou non résolus vers d'autres membres de l'équipe ou des travailleurs de niveaux supérieurs sont également prises en charge.
Selon le degré d'importance de l'incident, les notifications peuvent être envoyées par téléphone, SMS, e-mail, création d'événements dans le calendrier-planificateur, ainsi que via les messageries Slack et Telegram. Dans Slack, des canaux peuvent être automatiquement créés pour discuter des questions liées à la résolution de l'incident, auxquels se connectent automatiquement des employés individuels ainsi que des équipes entières.
Le système offre des possibilités flexibles d'extension et de personnalisation (par exemple, il est possible de configurer le regroupement et le routage des événements selon ses préférences, de définir des règles et des canaux de livraison des notifications). Une API et un support Terraform sont fournis pour l'intégration avec des systèmes externes. La gestion des opérations s'effectue via une interface web.
Source : opennet.ru
