Prometheus之告警规则的编写

Prometheus之告警规则的编写

• 一、前置知识
• 二、需求
• 三、实现步骤
• • 1、编写告警规则
  • 2、修改prometheus.yml执行告警规则的位置
  • 3、配置文件截图
  • 4、页面上看告警数据信息
  • 5、查询prometheus产生的告警数据
• 四、告警数据的状态
• • 1、Inactive
  • 2、Pending
  • 3、Firing
• 五、参考文档

一、前置知识

对于被Prometheus监控的服务器，我们都有一个up指标，可以知道该服务是否在线。

up == 0  可以任务服务下线了。
up == 1 可以任务服务在线。

二、需求

对于下线超过1分钟的服务，产生告警信息。

三、实现步骤

1、编写告警规则

groups:
- name: Test-Group-001 # 组的名字，在这个文件中必须要唯一
  rules:
  - alert: InstanceDown # 告警的名字，在组中需要唯一
    expr: up == 0 # 表达式, 执行结果为true: 表示需要告警
    for: 1m # 超过多少时间才认为需要告警(即up==0需要持续的时间)
    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."

注意：
1、for 指定达到告警阈值之后，一致要持续多长时间，才发送告警数据。
2、labels中可以指定自定义的标签，如果定义的标签已经存在，则会被覆盖。可以使用模板。
3、annotations 中的数据，可以使用模板，$labels表示告警数据的标签，{{$value}}表示时间序列的值。

2、修改prometheus.yml执行告警规则的位置

rule_files:
  - "rules/*_rule.yaml"

表示加载 prometheus.yaml目录上级目录下的rules目录下所有的以 _rule.yaml结尾的文件。

注意：
./promtool check config prometheus.yml 可以检测我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

从上图中可以告警数据，存在3个状态，Inactive、Pending和Firing。

5、查询prometheus产生的告警数据

四、告警数据的状态

1、Inactive

表示没有达到告警的阈值，即expr表达式不成立。

2、Pending

表示达到了告警的阈值，即expr表达式成立了，但是未满足告警的持续时间，即for的值。

3、Firing

已经达到阈值，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：
比如：192.168.1.1:9080 这个服务的宕机时间超过了1分钟，并且产生了一个Firing的告警数据，如果这台机器没有恢复，则不会再次产生相同的告警数据。

五、参考文档

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