运维服务器告警规则阈值,关于运维:Prometheus之告警规则的编写

一、前置常识

对于被Prometheus监控的服务器，咱们都有一个up指标，能够晓得该服务是否在线。

up == 0 能够工作服务下线了。

up == 1 能够工作服务在线。

二、需要

对于下线超过1分钟的服务，产生告警信息。

三、实现步骤

1、编写告警规定

groups:

– name: Test-Group-001 # 组的名字，在这个文件中必须要惟一

rules:

– alert: InstanceDown # 告警的名字，在组中须要惟一

expr: up == 0 # 表达式, 执行后果为true: 示意须要告警

for: 1m # 超过多少工夫才认为须要告警(即up==0须要继续的工夫)

labels:

severity: warning # 定义标签

annotations:

summary: “服务 {{ $labels.instance }} 下线了”

description: “{{ $labels.instance }} of job {{ $labels.job }} has been down for more than 1 minutes.”

留神：

1、for 指定达到告警阈值之后，统一要继续多长时间，才发送告警数据。

2、labels中能够指定自定义的标签，如果定义的标签曾经存在，则会被笼罩。能够应用模板。

3、annotations 中的数据，能够应用模板，$labels示意告警数据的标签，{{$value}}示意工夫序列的值。

2、批改prometheus.yml执行告警规定的地位

rule_files:

– “rules/*_rule.yaml”

示意加载 prometheus.yaml目录下级目录下的rules目录下所有的以 _rule.yaml结尾的文件。

留神：

./promtool check config prometheus.yml 能够检测咱们的配置文件是否编写正确。

3、配置文件截图

4、页面上看告警数据信息

从上图中能够告警数据，存在3个状态，Inactive、Pending和Firing。

5、查问prometheus产生的告警数据

四、告警数据的状态

1、Inactive

示意没有达到告警的阈值，即expr表达式不成立。

2、Pending

示意达到了告警的阈值，即expr表达式成立了，然而未满足告警的持续时间，即for的值。

3、Firing

曾经达到阈值，且满足了告警的持续时间。

经测试发现，如果同一个告警数据达到了Firing，那么不会再次产生一个告警数据，除非该告警解决了。

eg：

比方：192.168.1.1:9080 这个服务的宕机工夫超过了1分钟，并且产生了一个Firing的告警数据，如果这台机器没有复原，则不会再次产生雷同的告警数据。

五、参考文档

1、https://prometheus.io/docs/prometheus/latest/configuration/alerting_rules/

文章知识点与官方知识档案匹配，可进一步学习相关知识云原生入门技能树首页概览8665 人正在系统学习中 相关资源：国标软件设计文档(操作手册(GB8567——88),测试分析报告(GB8567…

来源：都拉方