一、Alertanager的装置
1、下载
2、装置
# 不同的平台下载不同的安装包wget https://github.com/prometheus/alertmanager/releases/download/v0.21.0/alertmanager-0.21.0.darwin-amd64.tar.gz# 解压tar zxvf alertmanager-0.21.0.darwin-amd64.tar.gz# 重命名mv alertmanager-0.21.0.darwin-amd64.tar.gz alertmanager3、启动
# 启动的时候指定配置文件的门路和启动端口./alertmanager --config.file=alertmanager.yml --web.listen-address=":9093"# 显示帮忙信息./alertmanager --help4、alertmanager和prometheus的整合
批改prometheus.yml配置文件
alerting: alertmanagers: - static_configs: - targets: - 127.0.0.1:9082 # 告警管理器的地址整合参考链接https://prometheus.io/docs/prometheus/latest/configuration/configuration/#alertmanager_config
二、告警分组
分组机制能够将某一类型的告警信息合并成一个大的告警信息，防止发送太多的告警邮件。
比方：咱们有3台服务器都染指了Prometheus，这3台服务器同时宕机了，那么如果不分组可能会发送3个告警信息，如果分组了，那么会合并成一个大的告警信息。
1、告警规定
监控服务器宕机的工夫超过1分钟就发送告警邮件。
groups:- name: Test-Group-001 # 组的名字，在这个文件中必须要惟一 rules: - alert: InstanceDown # 告警的名字，在组中须要惟一 expr: up == 0 # 表达式, 执行后果为true: 示意须要告警 for: 1m # 超过多少工夫才认为须要告警(即up==0须要继续的工夫) labels: severity: warning # 定义标签 annotations: summary: "服务 {{ $labels.instance }} 下线了" description: "{{ $labels.instance }} of job {{ $labels.job }} has been down for more than 1 minutes."2、alertmanager.yml配置
global: resolve_timeout: 5m # 整合qq邮件 smtp_smarthost: 'smtp.qq.com:465' smtp_from: '1451578387@qq.com' smtp_auth_username: '1451578387@qq.com' smtp_auth_identity: 'xxxxxx' smtp_auth_password: 'xxxxxx' smtp_require_tls: false# 路由 route: group_by: ['alertname'] # 依据什么分组，此处配置的是依据告警的名字分组,没有指定 group_by 貌似是依据规定文件的 groups[n].name 来分组的。 group_wait: 10s # 当产生一个新分组时，告警信息须要等到 group_wait 才能够发送进来。 group_interval: 10s # 如果上次告警信息发送胜利，此时又来了一个新的告警数据，则须要期待 group_interval 才能够发送进来 repeat_interval: 120s # 如果上次告警信息发送胜利，且问题没有解决，则期待 repeat_interval 再次发送告警数据 receiver: 'email' # 告警的接收者，须要和 receivers[n].name 的值统一。receivers:- name: 'email' email_configs: - to: '1451578387@qq.com'3、分组相干的alertmanager的配置
route: group_by: ['alertname'] group_wait: 10s group_interval: 10s repeat_interval: 120s group_wait、group_interval和repeat_interval的解释参考上方的正文。和此链接https://www.robustperception....
4、邮件发送后果
三、告警克制
指的是当某类告警产生的时候，于此相干的别的告警就不必发送告警信息了。
比方：咱们对某台机器的CPU的使用率进行了监控，比方 应用到 80% 和 90% 都进行了监控，那么咱们可能想如果CPU使用率达到了90%就不要发送80%的邮件了。
1、告警规定
如果 cpu 在5分钟的使用率超过 80% 则产生告警信息。
如果 cpu 在5分钟的使用率超过 90% 则产生告警信息。
groups:- name: Cpu rules: - alert: Cpu01 expr: "(1 - avg(irate(node_cpu_seconds_total{mode='idle'}[5m])) by (instance,job)) * 100 > 80" for: 1m labels: severity: info # 自定一个一个标签 info 级别 annotations: summary: "服务 {{ $labels.instance }} cpu 使用率过高" description: "{{ $labels.instance }} of job {{ $labels.job }} 的 cpu 在过来5分钟内应用过高，cpu 使用率 {{humanize $value}}." - alert: Cpu02 expr: "(1 - avg(irate(node_cpu_seconds_total{mode='idle'}[5m])) by (instance,job)) * 100 > 90" for: 1m labels: severity: warning # 自定一个一个标签 warning 级别 annotations: summary: "服务 {{ $labels.instance }} cpu 使用率过高" description: "{{ $labels.instance }} of job {{ $labels.job }} 的 cpu 在过来5分钟内应用过高，cpu 使用率 {{humanize $value}}."2、alertmanager.yml 配置克制规定
克制规定：
如果 告警的名称 alertname = Cpu02 并且 告警级别 severity = warning ，那么克制住 新的告警信息中 标签为 severity = info 的告警数据。并且源告警和指标告警数据的 instance 标签的值必须相等。
# 克制规定，缩小告警数据inhibit_rules:- source_match: # 匹配以后告警规定后，克制住target_match的告警规定 alertname: Cpu02 # 标签的告警名称是 Cpu02 severity: warning # 自定义的告警级别是 warning target_match: # 被克制的告警规定 severity: info # 克制住的告警级别 equal: - instance # source 和 target 告警数据中，instance的标签对应的值须要相等。克制规定配置
3、邮件发送后果
能够看到 只发送了 warning级别的告警，没有发送info级别的告警。
四、告警静默
指的是处于静默期，不发送告警信息。
比方：咱们零碎某段时间进行停机保护，由此可能会产生一堆的告警信息，然而这个时候的告警信息是没有意义的，就能够配置静默规定过滤掉。
1、配置静默规定
须要在 alertmanager 的控制台，或通过 amtool 来操作。
通过上述的配置，就收不到告警信息了。
五、告警路由
1、altermanager.yml配置文件的编写
global: resolve_timeout: 5m smtp_smarthost: 'smtp.qq.com:465' smtp_from: '145xxx8387@qq.com' smtp_auth_username: '1451578387@qq.com' smtp_auth_identity: 'xxxxx' smtp_auth_password: 'xxxxx' smtp_require_tls: false# 根路由，不能存在 match和match_re，任何告警数据没有匹配到路由时，将会由此根路由进行解决。route: group_by: ['job'] group_wait: 10s group_interval: 10s repeat_interval: 120s receiver: 'default-receiver' routes: - match_re: alertname: 'Cpu.*' # 如果告警的名字是以 Cpu 结尾的发给 receiver-01 receiver: 'receiver-01' - match: alertname: 'InstanceDown' # 如果告警的名字是 InstanceDown 则发送给 receiver-02 receiver: 'receiver-02' group_by: ['instance'] # 依据 instance 标签分组 contine: true # 为true则还须要去匹配子路由。 routes: - match: alertname: 'InstanceDown' # 如果告警的名字是 InstanceDown 则还是须要发送给 receiver-03 receiver: 'receiver-03'# 定义4个接管人（接管组等等）receivers: - name: 'default-receiver' email_configs: - to: '145xxx8387@qq.com' send_resolved: true - name: 'receiver-01' email_configs: - to: '2469xxx193@qq.com' send_resolved: true - name: 'receiver-02' email_configs: - to: 'weixin145xxx8387@163.com' send_resolved: true - name: 'receiver-03' email_configs: - to: 'it_xxx_software@163.com' send_resolved: trueinhibit_rules: - source_match: alertname: Cpu02 severity: warning target_match: severity: info equal: - instance告警后果：
1、告警名称中存在 Cpu 的发送给 receiver-01(2469xxx193@qq.com)
2、告警名称是 InstanceDown 的须要发送给 receiver-02 和 receiver-03(weixin145xxx8387@163.com和it_xxx_software@163.com)
3、须要留神一下路由中的 continue参数，为 true,则须要在持续匹配子路由,为false:不在匹配它下方的子路由了。
当告警信息没有匹配到工作路由时，则由根路由(route)进行解决。
拜访url https://www.prometheus.io/webtools/alerting/routing-tree-editor/ 查看告警树。
2、路由匹配
告警数据 从最顶级的route进入路由树，根路由须要匹配所有的告警数据，不能够设置match和match_re
每个路由下，有本人的子路由。比方：某个告警，如果级别一般，则告诉给用户A，如果过段时间还未复原，变y重大了，则须要告诉给张三和李四，那么能够通过子路由实现。
默认状况下，告警从 根路由 进入之后，会遍历它下方的所有的子路由，
如果 route 中的 continue = false，那么在匹配到第一个合乎的路由之后就进行匹配了。
如果 continue = true那么会持续进行匹配。
如果所有的都没有匹配到，那么走 根路由。
六、参考链接
1、下载alertmanager
2、alertmanager的官网文档
3、alertmanager和prometheus整合参考链接
4、分组告警中 group_wait、group_interval和repeat_interval的解释
5、克制规定配置
6、告警解决后蕴含旧的值
7、https://aleiwu.com/post/prometheus-alert-why/
8、查看告警树