在《告警平台1.0》中,我们实现了告警平台,可以实现纳管通过AlertManager推送的告警信息,然后进行灵活的告警通知发送。
在这个基础上,我们可以实现对告警进行认领、屏蔽、关闭等操作,也能在移动端进行操作。
但是,这个方案现在只能被动的接受告警,对于告警规则还是需要到Prometheus中去配置,当告警规则较多的情况下,配置分类比较麻烦,所以在想:能不能在现有平台上增加规则配置监控功能?
所以,我又到老朋友《快猫Flashcat》上进行学习,它们除了有故障管理,也有告警管理,可以实现监控告警一体化。
而且,它支持的数据源还比较多,如下:
当然,我不需要实现这么多,只要把常用的Prometheus和Elasticsearch实现即可。
逻辑梳理
相对来说,监控规则的实现逻辑还是比较清晰,如下:
本质上就是后台系统周期性的在数据库(Prometheus、Elasticsearch)中通过规则进行查询,当异常条件满足后,就生成对应的告警事件,然后将告警事件分发到协作空间
。
另外,为了提升告警事件的管理效率,避免频繁查询、更新数据库,当产生告警事件后,会将其存入Redis,告警事件更新会同步更新Redis中的数据。同时,后端会有一个常驻的携程,获取Redis中的告警事件,评估是否需要发送到协作空间。
实现效果
为了便于规则的管理,我们建立了分组,这里的分组没有和协作空间建立必然的联系,只是为了便于管理告警规则。
告警规则就会按组进行分类展示
创建规则,目前支持创建Prometheus和Elasticsearch规则。
创建Prometheus规则。
我们可以:
- 为规则添加附加标签,比如为了按标签进行告警发送的时候添加biz=a的标签。
- 定义具体的PromQL。
- 指定告警评估表达式,目前支持严重、警告、通知三个表达式。
- 可以配置告警持续时间,只有当告警事件超过持续时间,才会产生真正的告警事件。
- 可以配置通知详情,便于人员阅读。
- 可以配置通知渠道,将事件推送到某个协作空间。
当告警产生后就会发送到对应的渠道,比如发送到企微的消息如下:
创建Elasticsearch规则。
主要配置的地方:
- 指定数据源:需要配置告警的数据源地址
- 指定索引:针对哪个索引做规则
- 指定筛选字段:通过这些字段进行过滤日志
- 指定标注字段:在发送告警通知的时候会将该部分发送到群里,便于运维开发提取关键信息
其中,添加标注是为了在展示需要的告警信息,比如:
另外,分组评估
用户将告警信息进行分组发送,触发条件
用于判断是不是发送告警通知。
当告警事件产生,就会发送一条告警通知,如下:
日志监控的告警逻辑也比较简单,如下:
代码实现
对于Prometheus监控规则,定时从Prometheus时序数据库中查询值,然后和配置的策略进行比较,如果满足要求则产生告警事件。
对于Elasticsearch监控规则,定时从Elasticsearch数据库中查询满足日志条数,当满足告警条件后生成告警事件。
条件评估的代码如下:
告警通知的逻辑还是不变,当监听到告警事件后,进行对应的告警通知。