基于Prometheus和Grafana的监控平台之运维告警

本文转载自微信公众号「JAVA日知录」，作者单一色调 。转载本文请联系JAVA日知录公众号。

创新互联长期为数千家客户提供的网站建设服务，团队从业经验10年，关注不同地域、不同群体，并针对不同对象提供差异化的产品和服务；打造开放共赢平台，与合作伙伴共同营造健康的互联网生态环境。为马村企业提供专业的成都做网站、网站制作，马村网站改版等技术服务。拥有十多年丰富建站经验和众多成功案例,为您定制开发。

通过前面的文章我们搭建好了监控环境并且监控了服务器、数据库、应用，运维人员可以实时了解当前被监控对象的运行情况，但是他们不可能通过坐在电脑边上盯着DashBoard来发现服务器或应用异常。

这就要求我们需要一个告警功能，当服务器或应用指标异常时发送告警，通过邮件或者短信的形式告诉运维人员及时处理。

今天我们就来聊聊 基于Prometheus和Grafana的监控平台的异常告警功能。

告警方式Grafana

新版本的Grafana已经提供了告警配置，直接在dashboard监控panel中设置告警即可，但是我用过后发现其实并不灵活，不支持变量，而且好多下载的图表无法使用告警，所以我们不选择使用Grafana告警，而使用Alertmanager。

Alertmanager

相比于Grafana的图形化界面，Alertmanager需要依靠配置文件实现，配置稍显繁琐，但是胜在功能强大灵活。接下来我们就一步一步实现告警通知。

告警类型

Alertmanager告警主要使用以下两种：

  • 邮件接收器 email_config
  • Webhook接收器 webhook_config，会用post形式向配置的url地址发送如下格式的参数。
 
 
 
    
  
  
  
  1. {
    2. 
  
  
  
  2. "version": "2",
    3. 
  
  
  
  3. "status": "",
    4. 
  
  
  
  4. "alerts": [{
    5. 
  
  
  
  5.   "labels":  < object > ,
    6. 
  
  
  
  6.   "annotations":  < object > ,
    7. 
  
  
  
  7.   "startsAt": "",
    8. 
  
  
  
  8.   "endsAt": ""
    9. 
  
  
  
  9.   }]
    10. 
  
  
  
  10. }
    11.

「这次主要使用邮件的方式进行告警。」

实现步骤

  • 下载

从GitHub上下载最新版本的Alertmanager,将其上传解压到服务器上。tar -zxvf alertmanager-0.19.0.linux-amd64.tar.gz

  • 配置Alertmanager
 
 
 
    
  
  
  
  1. vi alertmanager.yml
    2. 
  
  
  
  2. global:
    3. 
  
  
  
  3.   resolve_timeout: 5m
    4. 
  
  
  
  4.   smtp_smarthost: 'mail.163.com:25' #邮箱发送端口
    5. 
  
  
  
  5.   smtp_from: 'xxx@163.com'
    6. 
  
  
  
  6.   smtp_auth_username: 'xxx@163.com' #邮箱账号
    7. 
  
  
  
  7.   smtp_auth_password: 'xxxxxx' #邮箱密码
    8. 
  
  
  
  8.   smtp_require_tls: false
    9. 
  
  
  
  9. route:
    10. 
  
  
  
  10.   group_by: ['alertname']
    11. 
  
  
  
  11.   group_wait: 10s  # 最初即第一次等待多久时间发送一组警报的通知
    12. 
  
  
  
  12.   group_interval: 10s # 在发送新警报前的等待时间
    13. 
  
  
  
  13.   repeat_interval: 1h # 发送重复警报的周期 对于email配置中，此项不可以设置过低，否则将会由于邮件发送太多频繁，被smtp服务器拒绝
    14. 
  
  
  
  14.   receiver: 'email'
    15. 
  
  
  
  15. receivers:
    16. 
  
  
  
  16.   - name: 'email'
    17. 
  
  
  
  17.     email_configs:
    18. 
  
  
  
  18.     - to: 'xxx@xxx.com'
    19.

修改完成后可以使用 ./amtool check-config alertmanager.yml校验文件是否正确。

校验正确后启动alertmanager。nohup ./alertmanager &。(第一次启动可以不使用nohup静默启动，方便后面查看日志)

我们只定义了一个路由，那就意味着所有由Prometheus产生的告警在发送到Alertmanager之后都会通过名为 email的receiver接收。实际上，对于不同级别的告警，会有不同的处理方式，因此在route中，我们还可以定义更多的子Route。具体配置规则大家可以去百度进一步了解。

配置Prometheus

  • 在Prometheus安装目录下建立rules文件夹，放置所有的告警规则文件。
 
 
 
    
  
  
  
  1. alerting:
    2. 
  
  
  
  2.   alertmanagers:
    3. 
  
  
  
  3.   - static_configs:
    4. 
  
  
  
  4.     - targets: ['192.168.249.131:9093']
    5. 
  
  
  
  5. 
  
  
  
  6. rule_files:
    7. 
  
  
  
  7.   - rules/*.yml
    8.

在rules文件夹下建立告警规则文件 service_down.yml,当服务器下线时发送邮件。

 
 
 
    
  
  
  
  1. groups:
    2. 
  
  
  
  2.  - name: ServiceStatus
    3. 
  
  
  
  3.    rules:
    4. 
  
  
  
  4.      - alert: ServiceStatusAlert
    5. 
  
  
  
  5.        expr: up == 0  
    6. 
  
  
  
  6.        for: 2m 
    7. 
  
  
  
  7.        labels:
    8. 
  
  
  
  8.          team: node
    9. 
  
  
  
  9.        annotations:
    10. 
  
  
  
  10.          summary: "Instance {{ $labels.instance }} has bean down"
    11. 
  
  
  
  11.          description: "{{ $labels.instance }} of job {{ $labels.job }} has been down for more than 2 minutes."
    12. 
  
  
  
  12.          value: "{{ $value }}"
    13.

「配置详解」

alert：告警规则的名称。

expr：基于PromQL表达式告警触发条件，用于计算是否有时间序列满足该条件。

for：评估等待时间，可选参数。用于表示只有当触发条件持续一段时间后才发送告警。在等待期间新产生告警的状态为PENDING，等待期后为FIRING。

labels：自定义标签，允许用户指定要附加到告警上的一组附加标签。

annotations：用于指定一组附加信息，比如用于描述告警详细信息的文字等，annotations的内容在告警产生时会一同作为参数发送到Alertmanager。

配置完成后重启Prometheus，访问Prometheus查看告警配置。

  • 测试

关闭node_exporter,过2分钟就可以收到告警邮件啦，截图如下：Alertmanager的告警内容支持使用模板配置，可以使用好看的模板进行渲染，感兴趣的可以试试!

The More

node exporter的一些计算语句

  • CPU使用率(单位为percent)
 
 
 
    
  
  
  
  1. (avg by (instance) (irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)
    2.
  • 内存已使用(单位为bytes)
 
 
 
    
  
  
  
  1. node_memory_MemTotal_bytes - node_memory_MemFree_bytes - node_memory_Cached_bytes - node_memory_Buffers_bytes - node_memory_Slab_bytes
    2.
  • 内存使用量(单位为bytes/sec)
 
 
 
    
  
  
  
  1. node_memory_MemTotal_bytes - node_memory_MemFree_bytes - node_memory_Cached_bytes - node_memory_Buffers_bytes - node_memory_Slab_bytes
    2.
  • 内存使用率(单位为percent)
 
 
 
    
  
  
  
  1. ((node_memory_MemTotal_bytes - node_memory_MemFree_bytes - node_memory_Cached_bytes - node_memory_Buffers_bytes - node_memory_Slab_bytes)/node_memory_MemTotal_bytes) * 100
    2.
  • server1的内存使用率(单位为percent)
 
 
 
    
  
  
  
  1. ((node_memory_MemTotal_bytes{instance="server1"} - node_memory_MemAvailable_bytes{instance="server1"})/node_memory_MemTotal_bytes{instance="server1"}) * 100
    2.
  • server2的磁盘使用率(单位为percent)
 
 
 
    
  
  
  
  1. ((node_filesystem_size_bytes{fstype=~"xfs|ext4",instance="server2"} - node_filesystem_free_bytes{fstype=~"xfs|ext4",instance="server2"}) / node_filesystem_size_bytes{fstype=~"xfs|ext4",instance="server2"}) * 100
    2.
  • uptime时间(单位为seconds)
 
 
 
    
  
  
  
  1. time() - node_boot_time
    2.
  • server1的uptime时间(单位为seconds)
 
 
 
    
  
  
  
  1. time() - node_boot_time_seconds{instance="server1"}
    2.
  • 网络流出量(单位为bytes/sec)
 
 
 
    
  
  
  
  1. irate(node_network_transmit_bytes_total{device!~"lo|bond[0-9]|cbr[0-9]|veth.*"}[5m]) > 0
    2.
  • server1的网络流出量(单位为bytes/sec)
 
 
 
    
  
  
  
  1. irate(node_network_transmit_bytes_total{instance="server1", device!~"lo|bond[0-9]|cbr[0-9]|veth.*"}[5m]) > 0
    2.
  • 网络流入量(单位为bytes/sec)
 
 
 
    
  
  
  
  1. irate(node_network_receive_bytes_total{device!~"lo|bond[0-9]|cbr[0-9]|veth.*"}[5m]) > 0
    2.
  • server1的网络流入量(单位为bytes/sec)
 
 
 
    
  
  
  
  1. irate(node_network_receive_bytes_total{instance="server1", device!~"lo|bond[0-9]|cbr[0-9]|veth.*"}[5m]) > 0
    2.
  • 磁盘读取速度(单位为bytes/sec)
 
 
 
    
  
  
  
  1. irate(node_disk_read_bytes_total{device=~"sd.*"}[5m])
    2.

网站标题：基于Prometheus和Grafana的监控平台之运维告警
本文来源：http://www.hantingmc.com/qtweb/news15/67565.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联

猜你还喜欢下面的内容

网页设计公司知识

分类信息网

手机网站制作　　 　成都网站推广　　 　雅安电信机房　　 　泸州洋跃建站　　 　成都机柜租用　　 　网站推广　　 　seo优化　　 　优化排名　　 　成都外贸网站建设公司　　 　明安消防器材　　 　定制网站　　 　营销网站建设　　 　成都网站建设　　 　顺泽窗帘　　 　主动防护网　　 　成都气球装饰　　 　腾讯免备案主机　　 　无边发光字厂家　　 　成都app开发公司　　 　证企宝