爲什麼要用 alertManager
alertmanager 主要用於接收 Prometheus 發送的告警信息,它支持多種告警通知渠道,而且很容易做到告警信息進行去重,降噪,分組等,超級好用。
其實 Grafana 也自帶了告警功能,本來想直接用 Grafana 的告警功能,這樣就不用多部署一個組件了,試用了一下 Grafana 的告警,不是很好用,然後就放棄了。
看上圖,最難受的就是 Template variables are not supported in alert queries 這段話了,不能用於變量類型的模板。下面來解釋下這個問題:
指標查詢語句如下:
sum(rate(http_server_requests_seconds_count{application="$application", instance="$instance"}[1m]))
其實是根據 application 和 instance 來查詢的,也就是在查詢的時候可以選擇哪個應用,哪個實例進行數據的查看。
但是你如果要用 Grafana 的告警,就不能這麼寫,那要怎麼寫呢?把變量去掉。
假如我的 A 服務有 5 個實例,那麼你就得配置 5 個查詢語句,如下:
sum(rate(http_server_requests_seconds_count{application="a-service", instance="10.11.11.12"}[1m]))
sum(rate(http_server_requests_seconds_count{application="a-service", instance="10.11.11.13"}[1m]))
sum(rate(http_server_requests_seconds_count{application="a-service", instance="10.11.11.14"}[1m]))
sum(rate(http_server_requests_seconds_count{application="a-service", instance="10.11.11.15"}[1m]))
sum(rate(http_server_requests_seconds_count{application="a-service", instance="10.11.11.16"}[1m]))
到了這一步我就直接放棄了,太難用了,不知道有沒有其他的方式能夠解決這個問題,反正我是投向了 alertmanager。
部署 alertManager
部署 alertmanager 之前我們首先部署一個釘釘消息的轉發服務,也就是當有告警的時候,alertmanager 會調用這個轉發服務將告警內容發送至釘釘。
docker run -d -p 8060:8060 --name webhook timonwong/prometheus-webhook-dingtalk --ding.profile="webhook1=
https://oapi.dingtalk.com/robot/send?access_token=你的token"
釘釘機器人需要自定義關鍵詞來匹配告警信息,否則接收不到消息。
直接用 Docker 來部署 alertmanager,命令如下:
docker run -d --name alertmanager -p 9093:9093 -v /opt/alertmanager/alertmanager.yml:/etc/alertmanager/alertmanager.yml prom/alertmanager:latest
alertmanager.yml
global:
resolve_timeout: 5m
route:
receiver: webhook
group_wait: 30s
group_interval: 5m
repeat_interval: 5m
group_by: [alertname]
routes:
- receiver: webhook
group_wait: 10s
receivers:
- name: webhook
webhook_configs:
- url: http://10.100.0.168:8060/dingtalk/webhook1/send
send_resolved: true
webhook 的通知地址我們配置成上面我們部署的釘釘轉發服務的 IP+Port 就可以了。
修改 prometheus 的配置文件,增加 alertmanager 的配置。
prometheus.yml
# Alertmanager configuration
alerting:
alertmanagers:
- static_configs:
- targets: ["10.100.0.168:9093"]
rule_files:
- "/etc/prometheus/rules.yml"
配置告警規則
rules.yml
groups:
- name: qps
rules:
- alert: QPS告警
expr: (sum by(instance,application)(rate(http_server_requests_seconds_count[1m]))) > 100
for: 1m
labels:
severity: warning
annotations:
description: "應用:{{ $labels.application }} 實例:{{ $labels.instance }} QPS超過100 (當前值: {{ $value }})"
summary: ""
- alert: 應用下線告警
expr: up == 0
for: 0m
labels:
severity: warning
annotations:
description: "應用:{{ $labels.job }} 實例:{{ $labels.instance }} 已下線"
summary: ""
上面配置了 QPS 告警和應用下線的告警,關於告警規則不做詳細講解,大家可以自己去學習下,當然也有一些可以參考的規則配置,具體可以查看這個網站:https://awesome-prometheus-alerts.grep.to/rules
配置好了後可以在 prometheus 的 Web 控制檯 Alerts 中進行查看。
告警效果
遇到的問題
在告警內容顯示這塊遇到了一個問題,研究了挺長時間的。上面有貼釘釘告警後的消息接入,在描述信息中有寫哪個應用,哪個實例出問題了,就是這 2 個具體的信息,在我一開始配置告警規則的時候沒有獲取到值。
沒有獲取到值的原因是我的告警規則是這樣寫的:
sum (rate(http_server_requests_seconds_count[1m])) > 100
規則本身沒問題,也能執行,就是實例值獲取不到,後面研究了網上一些其他的規則,發現想要獲取具體的值,就得在規則裏面包含這些內容纔行。
然後就改用下面的方式了,在 sum 後接上要顯示的指標名稱,就可以在告警信息中顯示了。跟 Sql 中的 select 一樣,沒有寫清要哪個字段就不會查詢出來。
(sum by(instance,application)(rate(http_server_requests_seconds_count[1m]))) > 100
關於作者:尹吉歡,簡單的技術愛好者,《Spring Cloud 微服務-全棧技術與案例解析》, 《Spring Cloud 微服務 入門 實戰與進階》作者, 公衆號猿天地發起人。
- END -後臺回覆 學習資料 領取學習視頻
如有收穫,點個在看,誠摯感謝
本文分享自微信公衆號 - 猿天地(cxytiandi)。
如有侵權,請聯繫 [email protected] 刪除。
本文參與“OSC源創計劃”,歡迎正在閱讀的你也加入,一起分享。