凌晨 3 点告警响起来，你更希望它"宁可吵你"还是"宁可沉默"？

做运维 3 年，告警配置这件事在团队里吵过至少 5 次，每次结论都不一样。今天想把这个老话题抛出来，听听大家的真实做法。

【背景】 告警配置本质上是一道"漏报 vs 误报"的取舍题。阈值设低，凌晨 3 点被 5 条告警叫醒，其中 4 条是 GC 抖动、1 条是磁盘 99% 快满了；阈值设高，可能 GC 抖动那次其实是 OOM 的前兆，你睡了一整晚第二天才发现。

【两种常见立场】 派系 A「宁多勿漏」：阈值压到 P99 的 1.2 倍，宁可一周被吵 8 次，也别漏一次 P0。理由：漏报的代价是事故，误报的代价只是多睡 10 分钟。 派系 B「宁少勿噪」：只报"需要人动手"的事，阈值设在 P99 的 2 倍甚至更高。理由：告警疲劳是真实存在的——连续一周每天被 5 条告警叫醒，第 8 天那条真正的 P0 你大概率直接划掉。

【我的倾向：分场景，核心 A / 非核心 B】 我现在的做法是按链路重要性分级：

• 核心链路（支付、登录、订单创建）：用 A 派。QPS 跌 10% 就报，错误率 >0.5% 就报，宁可半夜起来看 3 次"虚惊"。
• 非核心链路（报表、缓存预热、日志采集）：用 B 派。QPS 跌 30% 才报，错误率 >5% 才报，P2 只记日志不打电话。

具体数字：我们支付接口 QPS 基线约 1200，告警阈值设在 1080（跌 10%），连续 3 个采样点触发才上报，避免单点毛刺。错误率阈值 0.5%，窗口 60 秒。非核心的报表服务，QPS 基线 80，阈值设到 56（跌 30%）。

【想听大家】

1. 你们团队的告警阈值是怎么定的？有没有量化标准，比如"每周误报不超过 N 次"这种硬指标？
2. "核心链路宁多勿漏"具体到数字是什么？QPS 跌多少报？错误率多少报？你们用百分比还是绝对值？
3. 有没有"分级告警"的实践经验？P0 打电话、P1 发 IM、P2 只记日志——你们怎么分这条线？分错了怎么调？
4. 有没有人用过"告警冷却期"（同一条告警 N 分钟内不重复报）？冷却期设多长合适？设太短等于没设，设太长可能漏掉持续恶化的情况。

欢迎贴你们的具体配置和踩坑经历，数字越具体越好。