版本：7.0.0

简介

告警是基于指标数据驱动的，告警在 config/alarm-settings.yml里面配置，主要包含三种告警配置：

告警规则：声明指标的阈值和条件，当达到阈值时，将触发告警。

WebHooks：web服务列表，当告警规则触发时回调。

gRPCHook：远程gRPC方法的IP和端口，当告警规则触发时回调。

规则

告警规则组成关键字段如下：

Rule name：具有唯一性，展示在告警信息里面，必须以_rule结尾。

Metrics name：oal脚本里面的指标名称，支持long, double, int 类型。

Include names：规则里包含的实体名称，例如：服务名字，端点名字。

Excluse names：规则里排除的实体名称，例如：服务名字，端点名字。

Threshold：目标值(阈值)。对于多值指标(如：百分位)，这个阈值是一个数组，格式如：value1,value2,value3,value4,value5。与指标格式一一对应。当不想其中某些指标触发告警时，阈值设置为横杠(-)

OP：操作，目前支持 >，>=，

Period：周期。一个时间窗口，表示告警规则应当被检测多长时间。

Count：在期限窗口时间段内，如果统计次数达到阈值，将触发告警。

Silence Period：静默时间，表示在多长时间内只会触发一次告警。默认值和Period相同，即在一个周期内，只会触发一次告警。rules:

# Rule unique name, must be ended with `_rule`.

endpoint_percent_rule:

# Metrics value need to be long, double or int

metrics-name: endpoint_percent

threshold: 75

op: <

# The length of time to evaluate the metrics

period: 10

# How many times after the metrics match the condition, will trigger alarm

count: 3

# How many times of checks, the alarm keeps silence after alarm triggered, default as same as period.

silence-period: 10

service_percent_rule:

metrics-name: service_percent

# [Optional] Default, match all services in this metrics

include-names:

- service_a

- service_b

exclude-names:

- service_c

# Single value metrics threshold.

threshold: 85

op: <

period: 10

count: 4

service_resp_time_percentile_rule:

# Metrics value need to be long, double or int

metrics-name: service_percentile

op: ">"

# Multiple value metrics threshold. Thresholds for P50, P75, P90, P95, P99.

threshold: 1000,1000,1000,1000,1000

period: 10

count: 3

silence-period: 5

message: Percentile response time of service {name} alarm in 3 minutes of last 10 minutes, due to more than one condition of p50 > 1000, p75 > 1000, p90 > 1000, p95 > 1000, p99 > 1000

默认规则

在发行版中提供了默认的alarm-setting.yml，其中包括以下规则：

最近3分钟内服务平均响应时间超过1秒。

最近2分钟的服务成功率低于80％。

最近3分钟的服务响应时间百分比超过1s。

最近2分钟内服务实例的平均响应时间超过1秒。

最近2分钟内端点平均响应时间超过1秒。

所有默认指标名称的列表

指标名称是在正式的OAL脚本中定义的，可以在Alarm中使用来自Service，Service Instance，Endpoint范围的指标。

Webhook

Webhook要求配置的时一个web容器，告警消息将以application/json格式通过http请求发送，消息格式声明为：List

字段如下：

scopeId, scope: 所有的scope实体在 org.apache.skywalking.oap.server.core.source.DefaultScopeDefine 里面声明。

name. 目标scope实体名称。

id0: scope实体ID，匹配名称。

id1: 不使用。

ruleName: 配置在 alarm-settings.yml 里面的规则名称.

alarmMessage: 告警信息.

startTime：触发告警的时间 示例：[{

"scopeId": 1,

"scope": "SERVICE",

"name": "serviceA",

"id0": 12,

"id1": 0,

"ruleName": "service_resp_time_rule",

"alarmMessage": "alarmMessage xxxx",

"startTime": 1560524171000

}, {

"scopeId": 1,

"scope": "SERVICE",

"name": "serviceB",

"id0": 23,

"id1": 0,

"ruleName": "service_resp_time_rule",

"alarmMessage": "alarmMessage yyy",

"startTime": 1560524171000

}]

gRPCHook

告警消息将以Protobuf类型通过远程方法发送，消息格式被声明在oap-server/server-alarm-plugin/src/main/proto/alarm-hook.proto里面。 示例：

message AlarmMessage {

int64 scopeId = 1;

string scope = 2;

string name = 3;

int64 id0 = 4;

int64 id1 = 5;

string ruleName = 6;

string alarmMessage = 7;

int64 startTime = 8;

}

动态配置

6.5.0版本以后，告警规则支持通过配置中心进行动态配置，动态配置将会覆盖alarm-setting.yml文件里面的配置。

告警规则是否被触发的顺序，SkyWalking将缓存每一个告警规则的指标信息一个时间窗口，当规则的任何属性改变的时候，静默窗口将被销毁并重建，从新开始这个特殊规则的告警统计。

来源：oschina

链接：https://my.oschina.net/u/2344188/blog/4318985