基于Prometheus和Grafana的监控平台之运维告警
发布时间:2022-07-06 10:21:24 所属栏目:安全 来源:互联网
导读:通过前面的文章我们搭建好了监控环境并且监控了服务器、数据库、应用,运维人员可以实时了解当前被监控对象的运行情况,但是他们不可能通过坐在电脑边上盯着DashBoard来发现服务器或应用异常。 这就要求我们需要一个告警功能,当服务器或应用指标异常时发送
通过前面的文章我们搭建好了监控环境并且监控了服务器、数据库、应用,运维人员可以实时了解当前被监控对象的运行情况,但是他们不可能通过坐在电脑边上盯着DashBoard来发现服务器或应用异常。 这就要求我们需要一个告警功能,当服务器或应用指标异常时发送告警,通过邮件或者短信的形式告诉运维人员及时处理。 今天我们就来聊聊 基于Prometheus和Grafana的监控平台的异常告警功能。 告警方式Grafana 新版本的Grafana已经提供了告警配置,直接在dashboard监控panel中设置告警即可,但是我用过后发现其实并不灵活,不支持变量,而且好多下载的图表无法使用告警,所以我们不选择使用Grafana告警,而使用Alertmanager。 Alertmanager 相比于Grafana的图形化界面,Alertmanager需要依靠配置文件实现,配置稍显繁琐,但是胜在功能强大灵活。接下来我们就一步一步实现告警通知。 告警类型 Alertmanager告警主要使用以下两种: 邮件接收器 email_config Webhook接收器 webhook_config,会用post形式向配置的url地址发送如下格式的参数。 复制 { "version": "2", "status": "<resolved|firing>", "alerts": [{ "labels": < object > , "annotations": < object > , "startsAt": "<rfc3339>", "endsAt": "<rfc3339>" }] } 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 「这次主要使用邮件的方式进行告警。」 实现步骤 下载 从GitHub上下载最新版本的Alertmanager,将其上传解压到服务器上。tar -zxvf alertmanager-0.19.0.linux-amd64.tar.gz 配置Alertmanager 复制 vi alertmanager.yml global: resolve_timeout: 5m smtp_smarthost: 'mail.163.com:25' #邮箱发送端口 smtp_from: 'xxx@163.com' smtp_auth_username: 'xxx@163.com' #邮箱账号 smtp_auth_password: 'xxxxxx' #邮箱密码 smtp_require_tls: false route: group_by: ['alertname'] group_wait: 10s # 最初即第一次等待多久时间发送一组警报的通知 group_interval: 10s # 在发送新警报前的等待时间 repeat_interval: 1h # 发送重复警报的周期 对于email配置中,此项不可以设置过低,否则将会由于邮件发送太多频繁,被smtp服务器拒绝 receiver: 'email' receivers: - name: 'email' email_configs: - to: 'xxx@xxx.com' 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 修改完成后可以使用 ./amtool check-config alertmanager.yml校验文件是否正确。 校验正确后启动alertmanager。nohup ./alertmanager &。(第一次启动可以不使用nohup静默启动,方便后面查看日志) 我们只定义了一个路由,那就意味着所有由Prometheus产生的告警在发送到Alertmanager之后都会通过名为 email的receiver接收。实际上,对于不同级别的告警,会有不同的处理方式,因此在route中,我们还可以定义更多的子Route。具体配置规则大家可以去百度进一步了解。 配置Prometheus 在Prometheus安装目录下建立rules文件夹,放置所有的告警规则文件。 复制 alerting: alertmanagers: - static_configs: - targets: ['192.168.249.131:9093'] rule_files: - rules/*.yml 1. 2. 3. 4. 5. 6. 7. 在rules文件夹下建立告警规则文件 service_down.yml,当服务器下线时发送邮件。 复制 groups: - name: ServiceStatus rules: - alert: ServiceStatusAlert expr: up == 0 for: 2m labels: team: node annotations: summary: "Instance {{ $labels.instance }} has bean down" description: "{{ $labels.instance }} of job {{ $labels.job }} has been down for more than 2 minutes." value: "{{ $value }}" 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 「配置详解」 alert:告警规则的名称。 expr:基于PromQL表达式告警触发条件,用于计算是否有时间序列满足该条件。 for:评估等待时间,可选参数。用于表示只有当触发条件持续一段时间后才发送告警。在等待期间新产生告警的状态为PENDING,等待期后为FIRING。 labels:自定义标签,允许用户指定要附加到告警上的一组附加标签。 annotations:用于指定一组附加信息,比如用于描述告警详细信息的文字等,annotations的内容在告警产生时会一同作为参数发送到Alertmanager。 配置完成后重启Prometheus,访问Prometheus查看告警配置。 测试 关闭node_exporter,过2分钟就可以收到告警邮件啦,截图如下:Alertmanager的告警内容支持使用模板配置,可以使用好看的模板进行渲染,感兴趣的可以试试! The More node exporter的一些计算语句 CPU使用率(单位为percent) 复制 (avg by (instance) (irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100) 1. 内存已使用(单位为bytes) 复制 node_memory_MemTotal_bytes - node_memory_MemFree_bytes - node_memory_Cached_bytes - node_memory_Buffers_bytes - node_memory_Slab_bytes 1. 内存使用量(单位为bytes/sec) 复制 node_memory_MemTotal_bytes - node_memory_MemFree_bytes - node_memory_Cached_bytes - node_memory_Buffers_bytes - node_memory_Slab_bytes 1. 内存使用率(单位为percent) 复制 ((node_memory_MemTotal_bytes - node_memory_MemFree_bytes - node_memory_Cached_bytes - node_memory_Buffers_bytes - node_memory_Slab_bytes)/node_memory_MemTotal_bytes) * 100 1. server1的内存使用率(单位为percent) 复制 ((node_memory_MemTotal_bytes{instance="server1"} - node_memory_MemAvailable_bytes{instance="server1"})/node_memory_MemTotal_bytes{instance="server1"}) * 100 1. server2的磁盘使用率(单位为percent) 复制 ((node_filesystem_size_bytes{fstype=~"xfs|ext4",instance="server2"} - node_filesystem_free_bytes{fstype=~"xfs|ext4",instance="server2"}) / node_filesystem_size_bytes{fstype=~"xfs|ext4",instance="server2"}) * 100 1. uptime时间(单位为seconds) 复制 time() - node_boot_time 1. server1的uptime时间(单位为seconds) 复制 time() - node_boot_time_seconds{instance="server1"} 1. 网络流出量(单位为bytes/sec) 复制 irate(node_network_transmit_bytes_total{device!~"lo|bond[0-9]|cbr[0-9]|veth.*"}[5m]) > 0 1. server1的网络流出量(单位为bytes/sec) 复制 irate(node_network_transmit_bytes_total{instance="server1", device!~"lo|bond[0-9]|cbr[0-9]|veth.*"}[5m]) > 0 1. 网络流入量(单位为bytes/sec) 复制 irate(node_network_receive_bytes_total{device!~"lo|bond[0-9]|cbr[0-9]|veth.*"}[5m]) > 0 1. server1的网络流入量(单位为bytes/sec) 复制 irate(node_network_receive_bytes_total{instance="server1", device!~"lo|bond[0-9]|cbr[0-9]|veth.*"}[5m]) > 0 1. 磁盘读取速度(单位为bytes/sec) 复制 irate(node_disk_read_bytes_total{device=~"sd.*"}[5m]) (编辑:辽源站长网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |