【集群监控】Prometheus+AlertManager实现邮件报警

AlertManager下载

https://prometheus.io/download/

解压

添加配置文件test.yml，配置收发邮件邮箱

Prometheus下载配置参考我的另一篇：

https://www.cnblogs.com/caizhenghui/p/9132414.html

参考配置：

global:
  smtp_smarthost: 'smtp.163.com:25'　　#163服务器
  smtp_from: 'XXX@163.com'　　　　　　　　#发邮件的邮箱
  smtp_auth_username: 'XXX@163.com'　　#发邮件的邮箱用户名，也就是你的邮箱
  smtp_auth_password: 'XXX'　　　　　　　　#发邮件的邮箱密码

route:
  group_by: ['alertname']

  repeat_interval: 1h

  receiver: live-monitoring

receivers:
- name: 'live-monitoring'
  email_configs:
  - to: 'czh1226@qq.com'　　　　　　　　#收邮件的邮箱

更多配置参考alertmanager包中的simple.yml

添加报警规则

prometheus targets 监控报警参考配置(node_down.yml)：

groups:
- name: example
  rules:
  - alert: InstanceDown
    expr: up ==
    for: 1m
    labels:
      user: caizh
    annotations:
      summary: "Instance {{ $labels.instance }} down"
      description: "{{ $labels.instance }} of job {{ $labels.job }} has been down for more than 1 minutes."

节点内存使用率监控报警参考配置（memory_over.yml）

groups:
- name: example
  rules:
  - alert: NodeMemoryUsage
    expr: (node_memory_MemTotal_bytes - (node_memory_MemFree_bytes+node_memory_Buffers_bytes+node_memory_Cached_bytes )) / node_memory_MemTotal_bytes *  >
    for: 1m
    labels:
      user: caizh
    annotations:
      summary: "{{$labels.instance}}: High Memory usage detected"
      description: "{{$labels.instance}}: Memory usage is above 80% (current value is:{{ $value }})"

当然，想要监控节点内存需要提前配置好node_exporter

修改prometheus配置文件prometheus.yml，开启报警功能，添加报警规则配置文件

# Alertmanager configuration
alerting:
  alertmanagers:
  - static_configs:
    - targets: ["localhost:9093"]
      # - alertmanager:

# Load rules once and periodically evaluate them according to the global 'evaluation_interval'.
rule_files:
  - "node_down.yml"
  - "memory_over.yml"

配置完成！

启动alertmanager

./alertmanager --config.file test.yml

启动prometheus(默认会调用prometheus.yml)

./prometheus

http://localhost:9090/alerts

看配置与报警规则是否添加成功

成功则如下图：

我的Prometheus Targets如下：

尝试kill一个测试是否可以用邮件报警

例如在slave1节点上：

hadoop-daemon.sh stop datanode

InstanceDown会变成（1 active），并处在PENDING状态

1min后变FIRING状态

耐心等待几分钟，会收到报警邮件：

邮件可能会有延时，耐心等一会～

想测试内存使用率可以多开点占内存的服务，或者把报警规则中内存占用超过80%报警调小一些

Over~