告警规则允许你基于Prometheus表达式语言的表达式定义报告警条件,并在触发告警时发送通知给外部的接收者。每当告警表达式在给定时间点产生一个或者多个向量元素,这个告警统计活跃的这些元素标签集。
定义告警规则
规则文件示例:
groups:
- name: example
rules:
- alert: HighRequestLatency
expr: job:request_latency_seconds:mean5m{job="myjob"} > 0.5
for: 10m
labels:
severity: page
annotations:
summary: High request latency
FOR
选项语句会使Prometheus服务等待指定的时间,在第一次遇到新的表达式输出向量元素(如:具有高HTTP错误率的实例)之间,并将该告警统计为该元素的触发。如果该元素的活跃的,且尚未触发,表示正在挂起状态。
LABELS
选项语句允许指定额外的标签列表,把它们附加在警告上。任何已存在的冲突标签会被重写。这个标签值能够被模板化。
ANNOTATIONS
选项语句指定了另一组标签,它们不被当做警告实例的身份标识。它们经常用于存储额外的信息,例如:警告描述,后者runbook链接。这个注释值能够被模板化。
Templating 模板
groups:
- name: example
rules:
# Alert for any instance that is unreachable for >5 minutes.
- alert: InstanceDown
expr: up == 0
for: 5m
labels:
severity: page
annotations:
summary: "Instance {{ $labels.instance }} down"
description: "{{ $labels.instance }} of job {{ $labels.job }} has been down for more than 5 minutes."
# Alert for any instance that has a median request latency >1s.
- alert: APIHighRequestLatency
expr: api_http_request_latencies_second{quantile="0.5"} > 1
for: 10m
annotations:
summary: "High request latency on {{ $labels.instance }}"
description: "{{ $labels.instance }} has a median request latency above 1s (current value: {{ $value }}s)"
运行时检查警告
为了能够手动检查哪个警告是活跃的(pending或者firing),找到你的Prometheus服务实例的Alerts
tab页面。这个会显示精确的标签集合,它们每一个定义的警告都是当前活跃的。
对于挂起和触发警告,Prometheus也存储形如:
ALERTS{alertname="<alert name>", alertstat=s"pending|firing", <additional alert labels>}
只要警告是在指定的活跃(pending或者firing)状态上,这个样本值设置为1。当一个警告从活跃状态变成不活跃状态时,这个样本值被设置为0。一旦不活跃,这个时间序列将不会再更新。
三种告警状态:
inactive
:没有触发阈值pending
:已触发阈值但未满足告警持续时间firing
:已触发阈值且满足告警持续时间
发送警告通知
Prometheus的警告规则擅长确定当前哪个实例有问题。但它们并不是一个完整的通知解决方案。在简单的告警定义上,需要另一个层来添加总结,通知速率限制,silencing,告警依赖。在Prometheus的生态系统中,Alertmanager发挥了这一作用。因此,Prometheus可能被配置为定期向Alertmanager实例发送有关告警信息,该实例然后负责调用正确的通知,可以通过-alertmanager.url
命令行标志配置Alertmanager实例。