Prometheus 告警规则

Prometheus 告警规则

Prometheus官方内置的第三方报警通知包括：邮件、 即时通讯软件（如Slack、Hipchat）、移动应用消息推送(如Pushover)和自动化运维工具（例如：Pagerduty、Opsgenie、Victorops）

Prometheus告警流程

须知：

1. Prometheus 从监控目标上收集信息（scrape_interval 是多长时间采集一次，默认是1m其中srcape_interval可以配置全局生效，也可以基于单个metrics定义），然后将监控信息持久存储在本地存储上。
2. Prometheus 对告警规则做定期计算，其中evaluation_interval只有全局值；然后更新告警

groups:
# 实例存活告警规则
- name: export
  rules:
# 实例存活告警
  - alert: memory        # 名称
    expr: memory_used > 30    # 算法
    for: 10s        # 告警持续时间
    labels:
      user: prometheus
      severity: "{{ $labels.job }}: Memory usage exceeded 30G”
    annotations:
      description: "{{ $labels.instance }} of job {{ $labels.job }} has been down for more than 1 minutes."

注意：配置中的for语法就是用来设置告警持续时间的；如果配置中不设置for或者设置为0，那么pending状态会被直接跳过。

告警触发流程

1. 假设采集周期为5s采集一次memory_used
2. 采集到的指标告知给Alertmanager，当指标超过30时，这时会触发告警
3. 然后根据采集到的指标按照10s一个周期计算表达式为真，并且符合for持续10s，将告警切换到pening状态
4. 下个计算周期，表达式仍然为真，并且符合for 持续10s告警变更为Firing，并将告警从Prometheus发送给Alertmanager；
5. 下个周期计算，表达式仍然为真，并且符合for 持续10s持续告警给Alertmanager；
6. 一直到，表达式为假，告警状态边更为inactive，并发送给Alertmanager，告警已经解决

Alertmanager 分组 抑制 静默

分组
1、同类告警的聚合帮助运维排查问题
2、通过告警邮件的合并，减少告警数量
抑制

须知：抑制可以针对单个指标，也可以对分组。（下边内容我是以分组进行说明的）

告警延时的几个重要参数：
group_by:采用哪个标签作为分组的依据
group_wait:分组等待时间，比如：5s
group_interval:分组尝试再次发送告警的时间间隔，比如：5m
Repeat_interval:分组内发送相同告警的时间间隔，比如：60m
例：
有同组告警集A，如下：
a1
a2
a3
场景一：
a1先到达告警系统，此时在group_wait:5s的作用下，a1不会立刻告出来，a1等待5s，下一刻a2在5s内也触发，a1,a2会在5s后合并为一个分组，通过一个告警消息发出来；
a1,a2持续未解决，它们会在repeat_interval: 60m的作用下，每隔一小时发送告警消息

Alertmanager 配置文件说明

global:
  smtp_smarthost: 'smtp.163.com:25'        # 是用于发送邮件的邮箱的SMTP服务器地址+端口
  smtp_from: '[email protected]'             # 发送邮箱名称
  smtp_auth_username: '[email protected]'    # 邮箱名称
  smtp_auth_password: 'admin123'           # 是发送邮箱的授权码而不是登录密码
  smtp_require_tls: false                  # 不设置的话默认为true，当为true时会有starttls错误，可以用其他办法解决。为了简单这里直接设置为false

templates:                                 # 指出邮件的模板路径
  - '/alertmanager/template/*.tmpl'

route:
  group_by: ['alertname', 'cluster', 'service']
  group_wait: 30s
  group_interval: 5m
  repeat_interval: 10m
  receiver: default-receiver

receivers:                                  # 下html指出邮件内容模板名，这里模板名为“alert.html”，在模板路径中的某个文件中定义
- name: 'default-receiver'
  email_configs:
  - to: '[email protected]'
    html: '{{ template "alert.html" . }}'
    headers: { Subject: "[WARN] 报警邮件test" }   # 为邮件标题