從Prometheus server端接收到alerts后，會基于PromQL的告警規則 分析數據，如果滿足PromQL定義的規則，則會產生一條告警，并發送告警信息到Alertmanager，Alertmanager則是根據配置處理告警信息并發送。
一、概述
通過創建Prometheus監控告警規則，您可以制定針對特定Prometheus實例的告警規則。當告警規則設置的條件滿足后，系統會產生對應的告警事件。如果想要收到通知，需要進一步配置對應的通知策略以生成告警并且以短信、郵件、電話、釘群機器人、企業微信機器人或者Webhook等方式發送通知。
從Prometheus server端接收到alerts后，會基于PromQL的告警規則 分析數據，如果滿足PromQL定義的規則，則會產生一條告警，并發送告警信息到Alertmanager，Alertmanager則是根據配置處理告警信息并發送。所以Prometheus的告警配置依賴于PromQL與AlertManager，關于這兩個介紹可以參考我以下文章：
- 【云原生】Prometheus AlertManager講解與實戰操作
- 【云原生】Prometheus PromQL講解與實戰操作
- 【云原生】Prometheus Pushgetway講解與實戰操作
- 官方文檔：https://prometheus.io/docs/alerting/latest/overview/
二、告警實現流程
設置警報和通知的主要步驟是：
- 在Prometheus中配置告警規則。
- 配置Prometheus 與 AlertManager 關聯。
- 配置 AlertManager 告警通道。
三、告警規則
官方文檔：https://prometheus.io/docs/prometheus/latest/configuration/alerting_rules/
1）告警規則配置
在Prometheus 配置（prometheus.yml）中添加報警規則配置，配置文件中 rule_files 就是用來指定報警規則文件的，如下配置即指定存放報警規則的目錄為/etc/prometheus，規則文件為rules.yml：
rule_files:
- /etc/prometheus/rules.yml
設置報警規則：
警報規則允許基于 Prometheus 表達式語言的表達式來定義報警報條件的，并在觸發警報時發送通知給外部的接收者（Alertmanager），一條警報規則主要由以下幾部分組成：
- alert——告警規則的名稱。
- expr——是用于進行報警規則 PromQL 查詢語句。
- for——評估告警的等待時間（Pending Duration）。
- labels——自定義標簽，允許用戶指定額外的標簽列表，把它們附加在告警上。
- annotations——用于存儲一些額外的信息，用于報警信息的展示之類的。
rules.yml示例如下：
groups:
- name: example
rules:
- alert: high_memory
# 當內存占有率超過10%，持續1min,則觸發告警
expr: 100 - ((node_memory_MemAvailable_bytes{instance="192.168.182.110:9100",job="node_exporter"} * 100) / node_memory_MemTotal_bytes{instance="192.168.182.110:9100",job="node_exporter"}) > 90
for: 1m
labels:
severity: page
annotations:
summary: spike memeory
2）監控服務器是否在線
對于被Prometheus監控的服務器，我們都有一個up指標，可以知道該服務是否在線。
up == 0 #服務下線了。
up == 1 #服務在線。
【示例】
groups:
- name: Test-Group-001 # 組的名字，在這個文件中必須要唯一
rules:
- alert: InstanceDown # 告警的名字，在組中需要唯一
expr: up == 0 # 表達式, 執行結果為true: 表示需要告警
for: 1m # 超過多少時間才認為需要告警(即up==0需要持續的時間)
labels:
severity: warning # 定義標簽
annotations:
summary: "服務 {{ $labels.instance }} 下線了"
description: "{{ $labels.instance }} of job {{ $labels.job }} has been down for more than 1 minutes."
注意：
- for 指定達到告警閾值之后，一致要持續多長時間，才發送告警數據。
- labels 中可以指定自定義的標簽，如果定義的標簽已經存在，則會被覆蓋?？梢允褂媚０?。
- annotations 中的數據，可以使用模板，$labels表示告警數據的標簽，{{$value}}表示時間序列的值。
3）告警數據的狀態
- Inactive——表示沒有達到告警的閾值，即expr表達式不成立。
- Pending——表示達到了告警的閾值，即expr表達式成立了，但是未滿足告警的持續時間，即for的值。
- Firing——已經達到閾值，且滿足了告警的持續時間。
【溫馨提示】經測試發現，如果同一個告警數據達到了Firing，那么不會再次產生一個告警數據，除非該告警解決了。
四、實戰操作
1）下載 node_exporter
node-exporter用于采集node的運行指標，包括node的cpu、load、filesystem、meminfo、network等基礎監控指標，類似于zabbix監控系統的的zabbix-agent。
下載地址：https://github.com/prometheus/node_exporter/releases/
wget https://github.com/prometheus/node_exporter/releases/download/v1.5.0/node_exporter-1.5.0.linux-amd64.tar.gz
tar -xzf node_exporter-1.5.0.linux-amd64.tar.gz
2）啟動 node_exporter
ln -s /opt/prometheus/exporter/node_exporter/node_exporter-1.5.0.linux-amd64/node_exporter /usr/local/bin/node_exporter
# 指定端口啟動，默認端口：9100
node_exporter --web.listen-address=":9100"
配置node_exporter.service啟動
# 默認端口9100
cat >/usr/lib/systemd/system/node_exporter.service<<EOF
[Unit]
Descriptinotallow=node_exporter
After=network.target
#可以創建相應的用戶和組 啟動
#User=prometheus
#Group=prometheus
[Service]
ExecStart=/opt/prometheus/exporter/node_exporter/node_exporter-1.5.0.linux-amd64/node_exporter --web.listen-address=:9100
[Install]
WantedBy=multi-user.target
EOF
啟動服務
systemctl daemon-reload
systemctl start node_exporter
systemctl status node_exporter
systemctl enable node_exporter
檢查
curl http://localhost:9100/metrics
3）配置Prometheus加載node_exporter
添加或修改配置 prometheus.yml
重啟加載配置
systemctl restart prometheus
# 1、 kill方式
#kill -HUP pid
# 2、curl方式（推薦）
#curl -X POST http://IP/-/reload
# 【注意】需要在啟動的命令行增加參數：--web.enable-lifecycle
curl -X POST http://192.168.182.110:9090/-/reload
# 3、重啟（不推薦，重啟會導致所有的連接短暫性中斷）
systemctl restart prometheus
檢查web：http://ip:9090/targets
4）告警規則配置
在Prometheus配置文件rometheus.yml 中配置如下：
在/etc/prometheus/rule.yml配置如下：
groups:
- name: Test-Group-001 # 組的名字，在這個文件中必須要唯一
rules:
- alert: InstanceDown # 告警的名字，在組中需要唯一
expr: up == 0 # 表達式, 執行結果為true: 表示需要告警
for: 1m # 超過多少時間才認為需要告警(即up==0需要持續的時間)
labels:
severity: warning # 定義標簽
annotations:
summary: "服務 {{ $labels.instance }} 下線了"
description: "{{ $labels.instance }} of job {{ $labels.job }} has been down for more than 1 minutes."
重新加載
curl -X POST http://localhost:9090/-/reload
在web上就可以看到一個告警規則。
5）模擬告警
手動關機
過了一段時間告警狀態就變成Pending
再過一段時間告警就變成了Firing
6）配置告警通道
這里以有郵件告警為示例，其它的也差不多。修改配置之前最好先備份一下之前的配置
cp alertmanager.yml alertmanager.bak
【1】配置 alertmanager.yml
global:
resolve_timeout: 5m
## 這里為qq郵箱 SMTP 服務地址，官方地址為 smtp.qq.com 端口為 465 或 587，同時要設置開啟 POP3/SMTP 服務。
smtp_smarthost: 'smtp.qq.com:465'
smtp_from: 'xxxxxxxx@qq.com'
smtp_auth_username: 'xxxxxxxx@qq.com'
#授權碼，不是密碼,在 QQ 郵箱服務端設置開啟 POP3/SMTP 服務時會提示
smtp_auth_password: 'xxxxxxxx'
smtp_require_tls: false
#1、模板
templates:
- '/opt/prometheus/alertmanager/alertmanager-0.24.0.linux-amd64/templates/email.tmpl'
#2、路由
route:
group_by: ['alertname']
group_wait: 10s
group_interval: 10s
repeat_interval: 1h
#郵箱
receiver: 'email'
receivers:
- name: 'email'
email_configs:
## 接收警報的email（這里是引用模板文件中定義的變量）
- to: '{{ template "email.to"}}'
## 發送郵件的內容（調用模板文件中的）
html: '{{ template "email.to.html" .}}'
send_resolved: true
# 抑制器配置
inhibit_rules:
- source_match:
severity: 'critical'
target_match:
severity: 'warning'
#確保這個配置下的標簽內容相同才會抑制，也就是說警報中必須有這三個標簽值才會被抑制。
equal: ['alertname', 'dev', 'instance']
【2】模板 alert.tmpl
模板文件配置了email.from、email.to、email.to.html 三種模板變量，可以在 alertmanager.yml 文件中直接配置引用。這里 email.to.html 就是要發送的郵件內容，支持 Html 和 Text 格式，這里為了顯示好看，采用 Html 格式簡單顯示信息。下邊 {{ range .Alerts }} 是個循環語法，用于循環獲取匹配的 Alerts 的信息。
{{ define "email.from" }}xxxxxxxx@qq.com{{ end }}
{{ define "email.to" }}xxxxxxxx@163.com{{ end }}
{{ define "email.to.html" }}
{{ range .Alerts }}
=========start==========<br>
告警程序: prometheus_alert <br>
告警級別: {{ .Labels.severity }} 級 <br>
告警類型: {{ .Labels.alertname }} <br>
故障主機: {{ .Labels.instance }} <br>
告警主題: {{ .Annotations.summary }} <br>
告警詳情: {{ .Annotations.description }} <br>
觸發時間: {{ .StartsAt.Format "2019-08-04 16:58:15" }} <br>
=========end==========<br>
{{ end }}
{{ end }}【溫馨提示】這里記得換成自己的郵箱地址！??！
重啟alertmanager
systemctl restart alertmanager
在web上就可以看到對應的告警信息了。
接下來就靜待告警了。
