版本:7.0.0
简介
告警是基于指标数据驱动的,告警在 config/alarm-settings.yml里面配置,主要包含三种告警配置:
告警规则:声明指标的阈值和条件,当达到阈值时,将触发告警。
WebHooks:web服务列表,当告警规则触发时回调。
gRPCHook:远程gRPC方法的IP和端口,当告警规则触发时回调。
规则
告警规则组成关键字段如下:
Rule name:具有唯一性,展示在告警信息里面,必须以_rule结尾。
Metrics name:oal脚本里面的指标名称,支持long, double, int 类型。
Include names:规则里包含的实体名称,例如:服务名字,端点名字。
Excluse names:规则里排除的实体名称,例如:服务名字,端点名字。
Threshold:目标值(阈值)。对于多值指标(如:百分位),这个阈值是一个数组,格式如:value1,value2,value3,value4,value5。与指标格式一一对应。当不想其中某些指标触发告警时,阈值设置为横杠(-)
OP:操作,目前支持 >,>=,
Period:周期。一个时间窗口,表示告警规则应当被检测多长时间。
Count:在期限窗口时间段内,如果统计次数达到阈值,将触发告警。
Silence Period:静默时间,表示在多长时间内只会触发一次告警。默认值和Period相同,即在一个周期内,只会触发一次告警。rules:
# Rule unique name, must be ended with `_rule`.
endpoint_percent_rule:
# Metrics value need to be long, double or int
metrics-name: endpoint_percent
threshold: 75
op: <
# The length of time to evaluate the metrics
period: 10
# How many times after the metrics match the condition, will trigger alarm
count: 3
# How many times of checks, the alarm keeps silence after alarm triggered, default as same as period.
silence-period: 10
service_percent_rule:
metrics-name: service_percent
# [Optional] Default, match all services in this metrics
include-names:
- service_a
- service_b
exclude-names:
- service_c
# Single value metrics threshold.
threshold: 85
op: <
period: 10
count: 4
service_resp_time_percentile_rule:
# Metrics value need to be long, double or int
metrics-name: service_percentile
op: ">"
# Multiple value metrics threshold. Thresholds for P50, P75, P90, P95, P99.
threshold: 1000,1000,1000,1000,1000
period: 10
count: 3
silence-period: 5
message: Percentile response time of service {name} alarm in 3 minutes of last 10 minutes, due to more than one condition of p50 > 1000, p75 > 1000, p90 > 1000, p95 > 1000, p99 > 1000
默认规则
在发行版中提供了默认的alarm-setting.yml,其中包括以下规则:
最近3分钟内服务平均响应时间超过1秒。
最近2分钟的服务成功率低于80%。
最近3分钟的服务响应时间百分比超过1s。
最近2分钟内服务实例的平均响应时间超过1秒。
最近2分钟内端点平均响应时间超过1秒。
所有默认指标名称的列表
指标名称是在正式的OAL脚本中定义的,可以在Alarm中使用来自Service,Service Instance,Endpoint范围的指标。
Webhook
Webhook要求配置的时一个web容器,告警消息将以application/json格式通过http请求发送,消息格式声明为:List
字段如下:
scopeId, scope: 所有的scope实体在 org.apache.skywalking.oap.server.core.source.DefaultScopeDefine 里面声明。
name. 目标scope实体名称。
id0: scope实体ID,匹配名称。
id1: 不使用。
ruleName: 配置在 alarm-settings.yml 里面的规则名称.
alarmMessage: 告警信息.
startTime:触发告警的时间 示例:[{
"scopeId": 1,
"scope": "SERVICE",
"name": "serviceA",
"id0": 12,
"id1": 0,
"ruleName": "service_resp_time_rule",
"alarmMessage": "alarmMessage xxxx",
"startTime": 1560524171000
}, {
"scopeId": 1,
"scope": "SERVICE",
"name": "serviceB",
"id0": 23,
"id1": 0,
"ruleName": "service_resp_time_rule",
"alarmMessage": "alarmMessage yyy",
"startTime": 1560524171000
}]
gRPCHook
告警消息将以Protobuf类型通过远程方法发送,消息格式被声明在oap-server/server-alarm-plugin/src/main/proto/alarm-hook.proto里面。 示例:
message AlarmMessage {
int64 scopeId = 1;
string scope = 2;
string name = 3;
int64 id0 = 4;
int64 id1 = 5;
string ruleName = 6;
string alarmMessage = 7;
int64 startTime = 8;
}
动态配置
6.5.0版本以后,告警规则支持通过配置中心进行动态配置,动态配置将会覆盖alarm-setting.yml文件里面的配置。
告警规则是否被触发的顺序,SkyWalking将缓存每一个告警规则的指标信息一个时间窗口,当规则的任何属性改变的时候,静默窗口将被销毁并重建,从新开始这个特殊规则的告警统计。
来源:oschina
链接:https://my.oschina.net/u/2344188/blog/4318985