設備異常通知不重複的做法

「數值超標就發通知」的第一版，最常見的寫法是每 30 秒檢查一次、超標就送。這樣寫在邏輯上沒錯，但只要資料一真實，就會遇到下面三個問題。

坑一：持續超標，每輪都通知

# 第一版：每輪檢查，超標就送
while True:
    temp = read_temp()
    if temp >= 200:
        send_line(f"溫度過高：{temp}")
    time.sleep(30)

溫度超標 10 分鐘，就收到 20 則一樣的訊息。

做法：邊緣觸發（edge trigger）。 不要問「現在超標嗎」，要問「是不是剛剛才變成超標」。所以要記住上一輪的狀態：

was_active = False
while True:
    active = read_temp() >= 200
    if active and not was_active:
        send_line("溫度過高")        # 只在由正常變成超標時送一次
    if not active and was_active:
        send_line("已恢復正常")      # 選擇性：恢復時也說一聲
    was_active = active
    time.sleep(30)

坑二：數值在門檻附近抖動

溫度在 199.5 和 200.5 之間來回跳的時候，邊緣觸發每跳一次就會送一則「過高」、一則「恢復」。

常見的解法有兩種，可以一起用：

做法	怎麼做	適合
冷卻時間	通知後 N 分鐘內，再次成立也不通知	規則很多、不想逐條調參數
遲滯（hysteresis）	200 以上算異常，要降到 195 以下才算恢復	單一數值、門檻明確

冷卻時間有一個細節要注意：被冷卻擋下的那一次，恢復時也不要通知。 不然收訊息的人會看到「已恢復正常」，卻找不到它在恢復什麼。我的做法是每條規則記三件事：

欄位	意思
`active`	上一輪成不成立
`notified`	這一輪異常有沒有真的通知過
`last_fired_at`	上次通知的時間，用來算冷卻

只有 notified 為真，才送恢復通知。

另外，這三個欄位要存在檔案裡，不能只放在記憶體。程式重開（停電、Windows 更新）之後，如果狀態歸零，正在超標的那台設備會再通知一次。用 SQLite 就夠了，一個檔案，不用另外裝資料庫。

坑三：設備不回報，程式就安靜了

最危險的一種：設備當機，紀錄檔停止寫入。沒有新資料，自然沒有超標，通知程式就一直沉默，看起來一切正常。

做法：把「沒有資料」本身當成一種異常。 記下每台設備最後一筆資料的時間，超過 N 分鐘沒更新就通知：

for target, last_ts in last_seen.items():
    if now - last_ts > timedelta(minutes=10):
        notify_once(f"{target} 資料停止更新超過 10 分鐘")

幾個實務細節：

用資料本身的時間，不要用讀取的時間。 檔案還在、程式也讀得到，但內容的時間戳記停在一小時前，這也算中斷。
列出一定要有資料的設備。 程式啟動後一筆都沒收到的設備，也要能發現。
限定監控時段。 產線下班、週末停機時，「沒有資料」是正常的，不該半夜通知。
讀取失敗和資料中斷分開。 檔案打不開、API 連不上，是「來源」的問題；連續失敗幾次才通知，避免網路閃一下就叫。

讀紀錄檔的小地方

設備持續寫入的 CSV，每輪只讀新增的部分。不要每次整個檔案重讀：

用位元組位置記住上次讀到哪裡，下一輪從那裡開始。
最後一列如果還沒寫完換行，這一輪先不處理，留到下一輪。不然會讀到 2026-11-02 09:02:00,A,1 這種半截資料。
檔案變小了，代表被輪替或清空，從頭開始讀。

通知管道

LINE Notify 已在 2025 年 3 月底結束服務（數位時代報導），現在要用 LINE 官方帳號的 Messaging API 推播，或改用 Telegram。
送出失敗要重試，重試後還是失敗，也要記錄下來，監控本身不能因此停掉。
金鑰放在環境變數，設定檔才能放心交給別人看。

小結

問題	做法
持續超標，一直通知	邊緣觸發：只在由正常變成異常時通知
門檻附近抖動	冷卻時間或遲滯；被擋下的那次不送恢復
程式重開又通知一次	狀態存 SQLite
設備當機沒人知道	資料停止更新也是異常，配合監控時段

這些做法我都整理進條件監控通知器，可以直接看範例執行結果。如果你的設備或系統已經有紀錄檔，想先看看套上去會收到哪些通知，歡迎用下方的 LINE 聯絡我。

← 回到技術筆記

設備異常通知一直狂發？邊緣觸發、冷卻時間與資料中斷偵測