Prometheus监控运维实战九：告警规则

在上篇的文章中，我们通过Grafana实现了监控可视化。而对于运维监控而言，除了监控展示以外，另一个重要的需求无疑就是告警了。良好的告警可以帮助运维人员及时的发现问题，处理问题并防范于未然，是运维工作中不可或缺的重要手段。

在Prometheus的架构中，告警功能由Prometheus Server和Alertmanager 协同完成，Prometheus Server负责收集目标实例的指标，定义告警规则以及产生警报，并将相关的警报信息发送到Alertmanager。Alertmanager则负责对告警信息进行管理 ，根据配置的接收人信息，将告警发送到对应的接收人与介质 。

添加告警规则

告警规则配置在独立的文件中，文件格式为yml，并在prometheus.yml文件的rule_files模块中进行引用。如下

rule_files:
   - "/etc/prometheus/rules/myrules.yml"                                          

引用的文件路径支持正则表达式方式，如果有多个文件时，可以用下列的方式匹配

rule_files:
   - "/etc/prometheus/rules/*.yml"  
   - "/data/prometheus/rules/prd-*.yml" 

默认情况下，Prometheus会每隔一分钟对这些告警规则进行计算，如果用户想定义自己的告警计算周期，可在global 模块中配置evaluation_interval参数来控制。

如下：

global:
    evaluation_interval: 15s

在告警规则文件中， 可以将一组相关的规则设置定义在一个group下，在每一个group中我们可以定义多个告警规则。

如下是一条标准的告警规则，用于检测实例状态是否正常。

groups:
- name: node_alert
  rules:
  - alert: node_down
    expr: up{job="node-exporter"} != 1
    for: 1m
    labels:
      level: critical
    annotations:
      description: "The node is Down more than 1 minute!"
      summary:  "The  node is  down"   

一条告警规则由以下几部分组成：

alert： 告警规则的名称，在每一个group中，规则名称必须是唯一的。

expr： 基于PromQL表达式配置的规则条件，用于计算相关的时间序列指标是否满足规则。

for ：评估等待时间，可选参数。当相关指标触发规则后，在for定义的时间区间内该规则会处于Pending状态，在达到该时间后规则状态变成Firing，并发送告警信息到Alertmanager。

labels： 自定义标签， 允许用户指定要添加到告警信息上的一组附加标签。

annotations: 用于指定一组附加信息，如用于描述告警的信息文字等，本示例中 summary用于描述主要信息，description用于描述详细的告警内容。

使用模板

模板(template)是一种在警报中使用时间序列数据的标签和值的方法，可用于告警中的注解和标签。模板使用标准的Go模板语法，并暴露一些包含时间序列的标签和值的变量。

通过{{ $lable.<lablename>}}变量可以访问当前告警实例中指定标签的值，{{ $value }}则可以获取当前PromQL表达式计算的样本值。

# To insert a firing element's label values:
{{ $labels.<labelname> }}
# To insert the numeric expression value of the firing element:
{{ $value }}

在实际使用中，可以通过模板的方式优化summary与description内容的可读性。比如，在描述中插入了实例信息以及PromQL表达式计算的样本值。

如下：

groups:
- name: node_alert
  rules:
  - alert: cpu_alert
    expr: 100 -avg(irate(node_cpu_seconds_total{mode="idle"}[1m])) by (instance)* 100 > 85
    for: 5m
    labels:
      level: warning
    annotations:
      description: "instance: {{ $labels.instance }} ,cpu usage is too high ! value: {{$value}}"
      summary:  "cpu usage is too high"    

规则应用

配置好规则文件后，可以使用 curl -XPOST http://localhost:9090/-/reload 或者重启Prometheus的方式让规则更新。当顺利加载规则后，可以在Prometheus的“Status”- “Rules”页面查看到相关的规则状态信息。

当告警规则生效后，可以在Alerts页面查看警报状态。

警报状态

Prometheus的警报有如下几种状态：

inactive ： 警报未被触发。

Pending： 警报已被触发，但还未满足for参数定义的持续时间。

Firing：警报被触发警，并满足for定义的持续时间的

告警规则的状态变化如下所示，默认状态为inactive，当规则被触发后将变为Pending，在达到持续时间后变成Firing状态。如果配置的规则没有for子句，那么当规则触发时，警报会自动从inactive转换为Firing，而没有任何的等待周期。

如果配置了Alertmanager的地址，当警报状态为Firing时，Prometheus会将相关的告警信息转发到Alertmanager，并由其进行告警信息的发送。在恢复正常后，警报状态重新变回inactive。

结语

本文介绍了关于Prometheus告警规则的配置，到目前为止，我们只能通过Prometheus UI查看当前警报的活动状态。Prometheus自身并不提供告警发送功能，其需要与Alertmanager结合，才能实现警报的管理与发送。限制篇幅原因，Alertmanager的讲解放到下一篇文章中介绍。