本章次要对如何应用Prometheus与Alertmanager组件集成配置，以及对警报规定 Rules 的俩种类型及其模板内容进行解说。
与Alertmanager集成
Prometheus把产生的警报发给Alertmanager进行解决时，须要在Prometheus应用的配置文件中增加关联Alertmanager的组件的对应配置信息。
alerting: alert_relabel_configs: [ - <relabel_config> ... ] alertmanagers: [ - <alertmanager_config> ... ]# alertmanagers 为 alertmanager_config 数组，配置范例：
alerting: alert_relabel_configs: # 动静批改 alert 属性的规定配置。 - source_labels: [dc] regex: (.+)\d+ target_label: dc1 alertmanagers: - static_configs: - targets: ['127.0.0.1:9093'] # 单实例配置 #- targets: ['172.31.10.167:19093','172.31.10.167:29093','172.31.10.167:39093'] # 集群配置 - job_name: 'Alertmanager' # metrics_path defaults to '/metrics' # scheme defaults to 'http'. static_configs: - targets: ['localhost:19093']下面的配置中的 alert_relabel_configs是指警报从新标记在发送到Alertmanager之前利用于警报。 它具备与指标从新标记雷同的配置格局和操作，内部标签标记后利用警报从新标记，次要是针对集群配置。
这个设置的用处是确保具备不同内部label的HA对Prometheus服务端发送雷同的警报信息。
Alertmanager 能够通过 static_configs 参数动态配置，也能够应用其中一种反对的服务发现机制动静发现，咱们下面的配置是动态的单实例，针对集群HA配置，前面会讲。
此外，relabel_configs 容许从发现的实体中抉择 Alertmanager，并对应用的API门路提供高级批改，该门路通过 __alerts_path__ 标签公开。
实现以上配置后，重启Prometheus服务，用以加载失效，也能够应用前文说过的热加载性能，使其配置失效。而后通过浏览器，拜访 http://192.168.1.220:19090/alerts 就可以看 inactive pending firing 三个状态，没有警报信息是因为咱们还没有配置警报规定 rules。
警报规定
警报规定 rules 应用的是 yaml 格局进行定义，在Prometheus中通过咱们后面讲过的 PromQL 配置理论警报触发条件，Prometheus 会依据设置的正告规定 Ruels 以及配置间隔时间进行周期性计算，当满足触发条件规定会发送警报告诉。
警报规定加载的是在 prometheus.yml 文件中进行配置，默认的警报规定进行周期运行计算的工夫是1分钟，能够应用 global 中的 evaluation_interval 来决定工夫距离。
范例：
global: evaluation_interval: 15s警报规定能够指定多个文件，也能够自定到自定义的目录上面，为了治理更为便捷，不便浏览，能够把警报规定拆成多分，用以辨别环境，零碎，服务等，如：prod，test，dev 等等，并且反对以正则表达式定义。
范例：
rule_files: #- "/data/prometheus/rules/*.yml" # 正则表达式，会加在此目录下所有警报规定配置文件 - "/data/prometheus/rules/ops.yml" # 仅加载ops.yml警报规定文件 #- "/data/prometheus/rules/prod-*.yml" #- "/data/prometheus/rules/test-*.yml" #- "/data/prometheus/rules/dev-*.yml"当初开始讲告警规定 Rules 的定义，格局为YAML。
groups:- name: <string> rules: - alert: <string> expr: <string> for: [ <duration> | default 0 ] labels: [ <lable_name>: <label_value> ] annotations: [ <lable_name>: <tmpl_string> ]| 参数 | 形容 |
| :-----: | :----: |
|- name: <string>|警报规定组的名称|
|- alert: <string>|警报规定的名称|
|expr: <string|应用PromQL表达式实现的警报触发条件，用于计算是否有满足触发条件|
|<lable_name>: <label_value>|自定义标签，容许自行定义标签附加在警报上，比方high warning|
|annotations: <lable_name>: <tmpl_string> |用来设置无关警报的一组形容信息，其中包含自定义的标签，以及expr计算后的值。|
groups:- name: operations rules: - alert: node-down expr: up{env="operations"} != 1 for: 5m labels: status: High team: operations annotations: description: "Environment: {{ $labels.env }} Instance: {{ $labels.instance }} is Down ! ! !" value: '{{ $value }}' summary: "The host node was down 20 minutes ago"以上就是一个残缺 Rules 的配置，如果Prometheus 在周期检测中应用PromQ以env=operations为维度查问，如果以后查问后果中具备标签operations，且返回值都不等于1的时候，发送警报。
对于写好的 Rules 能够是罕用 promtool 来check ruls.yml 的书写格局是否正确。
/usr/local/bin/promtool check rules /data/prometheus/rules/ops.ymlChecking /data/prometheus/rules/ops.yml SUCCESS: 7 rules found对于批改好的rules文件，保留当前，通过检测没有问题，间接从新热加载 Prometheus就能够在页面看到了。对于触发警报规定，比较简单了，间接批改运算值或者去停掉 node-exporter 服务，便可在界面看到警报信息。一个告警在生命周期会有三种状态
| 状态 | 形容 |
| :-----: | :----: |
|Inactive|失常状态，未激活警报|
|Pending|已满足触发条件，但没有满足发送工夫条件，此条件就是下面rules范例中的 for 5m 子句中定义的持续时间 |
|Firing|满足条件，且超过了 for 子句中的的指定持续时间5m|
带有for子句的警报触发当前首先会先转换成 Pending 状态，而后在转换为 Firing 状态。这里须要俩个周期能力触发警报条件，如果没有设置 for 子句，会间接 Inactive 状态转换成 Firing状态，而后触发警报，发送给 Receiver 设置的告诉人。
在运行过程中，Prometheus会把Pending或Firing状态的每一个告警创立一个 Alerts指标名称，这个能够通过Rules来触发警报测试，间接在UI中Graph查看指标 ALERTS，格局如下：
ALERTS{alertname="alert name",alertstate="pending|firing",<additional alert label>}
当警报处于激活状态 Pending 或者 Firing时候，如上图所示，样本值为1。其余状态为0。则不显示。上图曾经触发警报，其警报曾经被转发给Alertmanager组件，此时能够在浏览器上通过能够用过9093端口拜访，查看警报状态。
当初咱们来说一下整顿下Prometheus从收集监控指标信息到触发警报的过程
| 状态 | 形容 |
| :-----: | :----: |
|1.定义规定|在Prometheus配置中，scrape_interval: 15s，默认是1分钟，这个定义是收集监控指标信息的采集周期，同时配置对应的警报规定，能够是全局，也能够独自为某一个metrics定义|
|2.周期计算|对于表达式进行计算时，Prometheus中的配置中配置了 evaluation_interval: 15s，默认也是一分钟，为警报规定的计算周期，evaluation_interval 只是全局计算周期值。|
|3.1警报状态转换(pending)|当首次触发警报规定条件成立，表达式为 true，并且没有满足警报规定中的for子句中的持续时间时，警报状态切换为 Pending|
|3.2警报状态转换(firing)|若下一个计算周期中，表达式仍为 true，并且满足警报规定中的for子句的持续时间时，警报状态转换为 Firing，即为 active，警报会被Prometheus推送到ALertmanager组件|
|3.3警报状态转换(period)|如果在 evaluation_interval 的计算周期内，表达式还是为 true，同时满足 for子句的持续时间，继续转发到Alertmanager，这里只是转发状态到Alertmanager，并不是间接发送告诉到指定告诉源|
|3.4警报状态转换(resolve)|只到某个周期，表达式 为 false，警报状态会变成 inactive ，并且会有一个 resolve被发送到Alertmanager，用于阐明警报故障依解决，发送resolve信息须要本人独自在Alertmanager中定义|
Rules类型
Prometheus 反对两种类型的 Rules ，能够对其进行配置，而后定期进行运算：recording rules 记录规定 与 alerting rules 警报规定，规定文件的计算频率与告警规定计算频率统一，都是通过全局配置中的 evaluation_interval 定义。
alerting rules
要在Prometheus中应用Rules规定，就必须创立一个蕴含必要规定语句的文件，并让Prometheus通过Prometheus配置中的rule_files字段加载该文件，后面咱们曾经讲过了。
其实语法都一样，除了 recording rules 中的收集的指标名称 record: <string> 字段配置形式略有不同，其余都是一样的。
配置范例：
- alert: ServiceDown expr: avg_over_time(up[5m]) * 100 < 50 annotations: description: The service {{ $labels.job }} instance {{ $labels.instance }} is not responding for more than 50% of the time for 5 minutes. summary: The service {{ $labels.job }} is not responding - alert: RedisDown expr: avg_over_time(redis_up[5m]) * 100 < 50 annotations: description: The Redis service {{ $labels.job }} instance {{ $labels.instance }} is not responding for more than 50% of the time for 5 minutes. summary: The Redis service {{ $labels.job }} is not responding - alert: PostgresDown expr: avg_over_time(pg_up[5m]) * 100 < 50 annotations: description: The Postgres service {{ $labels.job }} instance {{ $labels.instance }} is not responding for more than 50% of the time for 5 minutes. summary: The Postgres service {{ $labels.job }} is not respondingrecording rules
recording rules 是提前设置好一个比拟破费大量工夫运算或常常运算的表达式，其后果保留成一组新的工夫序列数据。当须要查问的时候间接会返回曾经计算好的后果，这样会比间接查问快，同时也加重了PromQl的计算压力，同时对可视化查问的时候也很有用，可视化展现每次只须要刷新反复查问雷同的表达式即可。
在配置的时候，除却 record: <string> 须要留神，其余的基本上是一样的，一个 groups 下能够蕴含多条规定 rules ，Recording 和 Rules 保留在 group 内，Group 中的规定以规定的配置工夫距离程序运算，也就是全局中的 evaluation_interval 设置。
配置范例：
groups:- name: http_requests_total rules: - record: job:http_requests_total:rate10m expr: sum by (job)(rate(http_requests_total[10m])) lables: team: operations - record: job:http_requests_total:rate30m expr: sum by (job)(rate(http_requests_total[30m])) lables: team: operations 下面的规定其实就是依据 record 规定中的定义，Prometheus 会在后盾实现 expr 中定义的 PromQL 表达式周期性运算，以 job 为维度应用 sum 聚合运算符 计算 函数rate 对http_requests_total 指标区间 10m 内的增长率，并且将计算结果保留到新的工夫序列 job:http_requests_total:rate10m 中，
同时还能够通过 labels 为样本数据增加额定的自定义标签，然而要留神的是这个 Lables 肯定存在以后表达式 Metrics 中。
应用模板
模板是在警报中应用工夫序列标签和值展现的一种办法，能够用于警报规定中的正文（annotation）与标签（lable）。模板其实应用的go语言的规范模板语法，并公开一些蕴含工夫序列标签和值的变量。这样查问的时候，更具备可读性，也能够执行其余PromQL查问
来向警报增加额定内容，ALertmanager Web UI中会依据标签值显示器警报信息。
{{ $lable.<lablename>}} 能够获取以后警报实例中的指定标签值
{{ $value }} 变量能够获取以后PromQL表达式的计算样本值。
groups:- name: operations rules:# monitor node memory usage - alert: node-memory-usage expr: (1 - (node_memory_MemAvailable_bytes{env="operations",job!='atlassian'} / (node_memory_MemTotal_bytes{env="operations"})))* 100 > 90 for: 1m labels: status: Warning team: operations annotations: description: "Environment: {{ $labels.env }} Instance: {{ $labels.instance }} memory usage above {{ $value }} ! ! !" summary: "node os memory usage status"调整好rules当前，咱们能够应用 curl -XPOST http://localhost:9090/-/reload 或者 对Prometheus服务重启，让警报规定失效。
这个时候，咱们能够把阈值调整为 50 来进行故障模拟操作，这时在去拜访UI的时候，当继续1分钟满足警报条件，理论告警状态已转换为 Firing，能够在 Annotations中看到模板信息 summary 与 description 曾经胜利显示。
须要留神的是，一个稳固强壮的Prometheus监控零碎中，要尽量应用模板化，这样会升高性能开销（Debug调试信息等），同时也易于保护。
上面网站收录了以后大部分的rules规定，大家能够对应本人的环境，配置相干服务的Rules。
[Prometheus告警规定收集(https://awesome-prometheus-al...