如果還不能確定，使用uptime的時(shí)間窗技術(shù)進(jìn)行重啟。
更重要的是，準(zhǔn)確的宕機(jī)發(fā)現(xiàn)數(shù)據(jù)可以為宕機(jī)預(yù)測(cè)提供準(zhǔn)確的標(biāo)注數(shù)據(jù)，為后期宕機(jī)預(yù)測(cè)提供數(shù)據(jù)基礎(chǔ)，并且這些數(shù)據(jù)提供給運(yùn)營(yíng)部門進(jìn)行整體分析，提升處理效率。
長(zhǎng)尾再次處理
3）告知宕機(jī)的詳細(xì)原因，如硬件故障，內(nèi)核bug，網(wǎng)絡(luò)異常等等。
服務(wù)器本身未丟包的誤報(bào)，除了需要過濾出網(wǎng)絡(luò)問題，還要通過丟包數(shù)據(jù)分析，過濾掉SA誤報(bào)問題， SA異常會(huì)上報(bào)心跳異常，被誤理解為宕機(jī)。
日志重啟特征值匹配，確認(rèn)是否發(fā)生重啟。
我們從準(zhǔn)確率和覆蓋率來看：
進(jìn)一步識(shí)別誤報(bào)
目前，宕機(jī)感知是宕機(jī)分析的基礎(chǔ)，通過服務(wù)器宕機(jī)實(shí)時(shí)檢測(cè)，會(huì)把相應(yīng)的宕機(jī)原因分布整理出來，明確具體的原因，達(dá)成服務(wù)器極致可靠性。
4）自動(dòng)報(bào)修生成工單。
那么，如何可以準(zhǔn)確發(fā)現(xiàn)宕機(jī)，減少誤報(bào)呢？我們可以有以下操作，比如：
排除非正在工作的機(jī)器，如非working狀態(tài)機(jī)器。
排除非業(yè)務(wù)狀態(tài)的機(jī)器，如裝機(jī)狀態(tài)中的，包括生產(chǎn)中，維修中，遷移中，重裝中，銷毀中，重啟中，無管控狀態(tài)，只監(jiān)控正常狀態(tài)的機(jī)器。
異常排除
未確認(rèn)的待處理的，會(huì)加入到長(zhǎng)尾列表中，像這種分鐘級(jí)的心跳異常，ping異常，但串口日志一直正常輸出的情況，一般就是某種死機(jī)，死到連網(wǎng)絡(luò)都不通的場(chǎng)景。會(huì)觀察一段時(shí)間，一個(gè)固定時(shí)間窗內(nèi)仍未恢復(fù)或重啟的話，就暫時(shí)報(bào)宕機(jī)。后期會(huì)把這種死機(jī)單獨(dú)找劃分歸類。
1）發(fā)現(xiàn)宕機(jī)。
覆蓋率：當(dāng)前統(tǒng)計(jì)的覆蓋率已經(jīng)能很好的支撐日常宕機(jī)處理，該數(shù)據(jù)在有足夠的特征后，會(huì)進(jìn)一步提升。
icmp及tcp丟包分析，icmp采集頻率為固定數(shù)秒，tcp采集頻率固定數(shù)秒，包括多個(gè)不同大小包（16，32，64，128，256等）的丟包情況，根據(jù)分析時(shí)間窗內(nèi)兩項(xiàng)數(shù)據(jù)的丟包情況
update消息，在有心跳發(fā)生變化情況下都會(huì)有，心跳異常和心跳恢復(fù)正常時(shí)都會(huì)發(fā)起，是主要的心跳來源。
網(wǎng)絡(luò)干擾排除
仍不能確定的待處理，進(jìn)入長(zhǎng)尾處理名單。
提到服務(wù)器宕機(jī)檢測(cè)，大家會(huì)想到，宕機(jī)能夠很快知道，這個(gè)有什么可做的？實(shí)際上，很多時(shí)候服務(wù)器宕機(jī)，并不總是被及時(shí)感知。服務(wù)器宕機(jī)，ping或者ssh這是最簡(jiǎn)單的做法，但真正的工程實(shí)踐，沒這么簡(jiǎn)單。
排除上聯(lián)網(wǎng)絡(luò)設(shè)備異常導(dǎo)致的誤報(bào)，包括機(jī)房斷網(wǎng)演練，小面積網(wǎng)絡(luò)故障，上聯(lián)網(wǎng)絡(luò)故障，如通過探測(cè)丟包情況，使用一些邏輯初步判斷網(wǎng)絡(luò)問題。
講了這么多，到底效果怎么樣？