promethuesa监控告警(二)

最新推荐文章于 2024-02-01 11:30:00 发布

小鸡,啄米

最新推荐文章于 2024-02-01 11:30:00 发布

阅读量539

点赞数

文章标签： linux 运维服务器

本文链接：https://blog.csdn.net/m0_52454621/article/details/125042100

版权

promethuesa安装监控主机状态(一)_小鸡,啄米的博客-CSDN博客_grafana安装

Alertmanager是一个独立的告警模块，通过接收Prometheus等客户端发来的警报，prometheus是作为管理，Alertmanager是执行告警规则。

1、Prometheus按告警规则(rule_files配置块)向Alertmanager发送告警（即告警规则是在Prometheus上定义的

2、Alertmanager来管理这些告警，包括去重(Deduplicating)、分组(Grouping)、静音(silencing)、抑制(inhibition)、聚合(aggregation )，最终将面要发出的告警通过电子邮件、webhook等方式将告警通知路由(route)给对应的联系。

1、分组

分组将类似性质的警报分类为单个通知。当许多系统同时发生故障并且可能同时触发数百到数千个警报时，此功能特别有用

2、沉默

沉默是一种简单的特定时间静音提醒的机制。一种沉默是通过匹配器来配置，就像路由树一样。传入的警报会匹配RE，如果匹配，将不会为此警报发送通知,在Alertmanager的Web界面中配置沉默

3、抑制

抑制是指当警报发出后，停止重复发送由此警报引发其他错误的警报的机制。

一、配置Alertmanager来做告警通知

1、安装alertmanager服务

tar -xvf alertmanager-0.20.0.linux-amd64.tar.gz

mv alertmanager-0.20.0.linux-amd64 /data/alertmanager

2、cd /data/alertmanager/

修改alertmanager.yml

做好备份 cp alertmanager.yml alertmanager.yml.bak

global：全局配置，主要配置告警方式，如邮件、webhook等。

route：用来设置报警的分发策略，它是一个树状结构，按照深度优先从左向右的顺序进行匹配。

receivers: 配置告警消息接受者信息，例如常用的 email、wechat、slack、webhook 等消息通知方式。

inhibit_rules: 抑制规则配置，当存在与另一组匹配的警报（源）时，抑制规则将禁用与一组匹配的警报（目标）

vim  alertmanager.yml


global:
  resolve_timeout: 5m
  smtp_smarthost: 'smtp.163.com:465'
  smtp_from: 'kangwei_k@163.com'
  smtp_auth_username: 'kangwei_k@163.com'
  smtp_auth_password: 'VSFGFMZVREDBZHNQ'
  smtp_require_tls: false

templates:
- '/data/alertmanager/template/default.tmpl'   #邮件模板配置


route:
  group_by: ['alertname']
  group_wait: 10s
  group_interval: 20m
  repeat_interval: 10m
  receiver: 'email'
  routes:
  - match_re:
      resource: ^(memory|cpu|disk)$
    receiver: system-pager
    continue: false
    routes:
    - match:
        severity: critical
      receiver:  critical-pager
    - match:
        resource: net
      receiver: net-pager

    - match:
        resource: host
      receiver: system-pager
      continue: true
      routes:
      - match:
          severity: crirical
        receiver: critical-pager
receivers:
      - name: 'email'
        email_configs:
          - to: 'kangwei_k@163.com'
            html: '{{ template "default.html" . }}'
            headers: { Subject: "{{ .GroupLabels.SortedPairs.Values }} [{{ .Status | toUpper }}:{{ .Alerts.Firing | len }}]" }
      - name: 'system-pager'
        email_configs:
          - to: 'kangwei_k@163.com'
            html: '{{ template "default.html" . }}'
            headers: { Subject: "{{ .GroupLabels.SortedPairs.Values }} [{{ .Status | toUpper }}:{{ .Alerts.Firing | len }}]" }
      - name: 'net-pager'
        email_configs:
          - to: 'kangwei_k@163.com'
            html: '{{ template "default.html" . }}'
            headers: { Subject: "{{ .GroupLabels.SortedPairs.Values }} [{{ .Status | toUpper }}:{{ .Alerts.Firing | len }}]" }
      - name: 'critical-pager'
        email_configs:
          - to: 'kangwei_k@163.com'
            html: '{{ template "default.html" . }}'
            headers: { Subject: "{{ .GroupLabels.SortedPairs.Values }} [{{ .Status | toUpper }}:{{ .Alerts.Firing | len }}]" }
inhibit_rules:
  - source_match:
      severity: 'critical'
    target_match:
      severity: 'warning'
    equal: ['alertname', 'dev', 'instance']

自定义邮件模板

{{ define "default.html" }}
{{- if gt (len .Alerts.Firing) 0 -}}
[{{ .Status | toUpper }}:{{ .Alerts.Firing | len }}]
{{ range $i, $alert := .Alerts }}
<pre>
告警节点：{{ index $alert.Labels "nodename" }}
告警服务：{{ index $alert.Labels "alertname" }}
报警详情：{{ index $alert.Annotations "summary" }}
开始时间：{{ $alert.StartsAt.Local }}
</pre>
{{ end }}
{{ end }}
{{- if gt (len .Alerts.Resolved) 0 -}}
[{{ .Status | toUpper }}:{{ .Alerts.Resolved | len }}]
{{ range $i, $alert := .Alerts }}
<pre>
恢复节点：{{ index $alert.Labels "nodename" }}
恢复服务：{{ index $alert.Labels "alertname" }}
状    态：{{ index $alert.Status }}
开始时间：{{ $alert.StartsAt.Local }}
恢复时间：{{ $alert.EndsAti.Local }}
</pre>
{{ end }}
{{ end }}
{{- end }}

define 用来定义变量，配置3个变量，分别是：email.from、email.to、email.to.html ，可以在 alertmanager.yml 文件中直接配置引用。

这里 email.to.html 就是要发送的邮件内容，支持 Html 和 Text 格式。为了显示好看，采用 Html 格式简单显示信息

{{ range .Alerts }} 是个循环语法，用于循环获取匹配的 Alerts 的信息，下边的告警信息跟上边默认邮件显示信息一样，只是提取了部分核心值来展示

配置告警规则

需要在prometheus修改

vim prometheus.yml

# my global config
global:
  scrape_interval: 15s # Set the scrape interval to every 15 seconds. Default is every 1 minute.
  evaluation_interval: 15s # Evaluate rules every 15 seconds. The default is every 1 minute.
  #scrape_timeout: 20s # scrape_timeout is set to the global default (10s).

# Alertmanager configuration
alerting:
  alertmanagers:
    - static_configs:
        - targets:
           - 121.36.252.79:9093   

# Load rules once and periodically evaluate them according to the global 'evaluation_interval'.
rule_files:
   - "rules/*_rules.yml"   
   - "rules/*_alerts.yml"

rules.yml是定义规则

alerts.yml是触发规则

[root@huawei rules]# cat  node_rules.yml
groups:
  - name: node_rules
    rules:
    - record: node_cpu_usage
      expr: 100 - avg(irate(node_cpu_seconds_total{mode="idle"}[1m])) by (nodename) * 100
      labels:
        metric_type: cpu_users
    - record: node_1m_load
      expr: node_load15
      labels:
        meteic_type: node_1m_load
    - record: node_mem_usage
      expr: 100 - (node_memory_MemAvailable_bytes)/(node_memory_MemTotal_bytes) *100
      labels:
        metric_type: mem_usage
    #- record: node_root_diski
    #  expr: predict_linear(node_filesystem_free_bytes{device="/dev/vda1",mountpoint="/"}[2h],24*3600)/(1024*1024*1024)
    #  labels:
    #    meteic_type: root_disk
    - record: node_cpu_usage_rate1m
      expr: (1 - avg(rate(node_cpu_seconds_total{mode="idle"}[1m])) by (instance,vendor,account,group,name)) * 100
      labels:
        meteic_type: cpu_usage_rate1m
    - record: node_mem_usage_rate1m
      expr: (1 - node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes) * 100
      labels:
        meteic_type: mem_usage_rate1m

[root@huawei rules]# cat  node_alerts.yml
groups:
 - name: node_alerts
   rules:
   - alert: cpu_usage_over_threshold
     expr: node_cpu_usage > 80
     for: 1m
     labels:
       severity: warning
     annotations:
       summary: 主机{{$labels.nodename}}的cpu使用率持续1分钟超出阈值,当前为{{humanize $value}}%
   - alert: systemc_1m_load
     expr:  node_1m_load > 20
     for: 1m
     labels:
       severity: warning
     annotations:
       summary: 主机{{$labels.nodename}}的1分钟负载阈值超出，当前阈值是{{humanize $value}}%
   - alert: mem_usage_over
     expr: node_mem_usage > 90
     for: 1m
     labels:
       severity: warning
     annotations:
       summary: 主机{{$labels.nodename}}的内存使用率持续一分钟超出阈值，当前是{{humanize $value}}%
   #- alert: root_disk_over
   #  expr: node_root_diski < 60
   #  for: 1m
   #  labels:
   #    severty: warning
   #  annotations:
   #    summary: 主机{{$labels.nodename}}的磁盘预计会在1天后达到{{humanize1024 $value}}GB 请及时扩容!
   - alert: port_status
     expr: probe_success == 0
     for: 1m
     labels:
       severty: warning
     annotations:
       summary: 主机{{$labels.nodename}}的端口异常

访问127.0.0.1:9093 是alertmanager web界面管理

过滤规则------开启沉默