Prometheus 告警為什么選用Alertmanager？
本文轉載自微信公眾號「猿天地」，作者尹吉歡。轉載本文請聯系猿天地公眾號。
為什么要用 alertManager
alertmanager 主要用于接收 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，然后就放棄了。
看上圖，最難受的就是 Template variables are not supported in alert queries 這段話了，不能用于變量類型的模板。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，就不能這么寫，那要怎么寫呢?把變量去掉。
假如我的 A 服務有 5 個實例，那么你就得配置 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，關于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
配置好了后可以在 prometheus 的 Web 控制臺 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。上面有貼釘釘告警后的消息接入，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，后面研究了網上一些其他的規則，發現想要獲取具體的值，就得在規則里面包含這些內容才行。
然后就改用下面的方式了，在 sum 后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
關于作者：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, 公眾號猿天地發起人。
