作者 | AddoZhang       责编 | 欧阳姝黎

在配置系统监控的时候，是不是即使绞尽脑汁监控的也还是不够全面，或者不知如何获取想要的指标。

Awesome Prometheus alerts[1] 维护了一套开箱即用的 Prometheus 告警规则集合，有 300 多个告警规则。同时，还是说明如何获取对应的指标。这些规则，对每个 Prometheus 都是通用的。

涉及如主机、硬件、容器等基础资源，到数据库、消息代理、运行时、反向代理、负责均衡器，运行时、服务编排，甚至是网络层面和 Prometheus 自身和集群。

Prometheus 的安装和配置不做赘述，配置可以看这里[2]。下面简单看下几个常用规则

主机和硬件资源

主机和硬件资源的告警依赖 node-exporter[3] 输出的指标。例如：

内存不足

可用内存低于阈值 10% 就会触发告警。

- alert:HostOutOfMemoryexpr: node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes *100<10
for:2mlabels:severity: warningannotations:summary:Hostout of memory (instance {{ $labels.instance }})description:"Node memory is filling up (< 10% left)\n  VALUE = {{ $value }}\n  LABELS = {{ $labels }}"

主机异常的网络吞吐

最近两分钟入站的流量超过 100m。

rate 语法见这里^[4]。

- alert:HostUnusualNetworkThroughputInexpr: sum by(instance)(rate(node_network_receive_bytes_total[2m]))/1024/1024>100
for:5mlabels:severity: warningannotations:summary:Host unusual network throughput in(instance {{ $labels.instance }})description:"Host network interfaces are probably receiving too much data (> 100 MB/s)\n  VALUE = {{ $value }}\n  LABELS = {{ $labels }}"

Mysql

Mysql 的告警依赖 prometheus/mysqld_exporter[5] 输出的指标。

连接数过多

Mysql 实例的连接数最近一分钟的连接数超过最大值的 80% 触发告警

- alert:MysqlTooManyConnections(>80%)expr: avg by(instance)(rate(mysql_global_status_threads_connected[1m]))/ avg by(instance)(mysql_global_variables_max_connections)*100>80
for:2mlabels:severity: warningannotations:summary:MySQL too many connections (>80%)(instance {{ $labels.instance }})description:"More than 80% of MySQL connections are in use on {{ $labels.instance }}\n  VALUE = {{ $value }}\n  LABELS = {{ $labels }}"

慢查询

最近一分钟慢查询数量大于 0 时触发。

- alert:MysqlSlowQueriesexpr: increase(mysql_global_status_slow_queries[1m])>0
for:2mlabels:severity: warningannotations:summary:MySQL slow queries (instance {{ $labels.instance }})description:"MySQL server mysql has some new slow query.\n  VALUE = {{ $value }}\n  LABELS = {{ $labels }}"

运行时 JVM

JVM 的运行时告警，居然只有可怜巴巴的一个。堆空间占用超过 80% 触发告警。

依赖 java-client[6] 输出的指标。

- alert:JvmMemoryFillingUpexpr:(sum by(instance)(jvm_memory_used_bytes{area="heap"})/ sum by(instance)(jvm_memory_max_bytes{area="heap"}))*100>80
for:2mlabels:severity: warningannotations:summary: JVM memory filling up (instance {{ $labels.instance }})description:"JVM memory is filling up (> 80%)\n  VALUE = {{ $value }}\n  LABELS = {{ $labels }}"

Kubernetes

Kubernetes 相关的告警规则有 33 个，比较丰富。

摘个比较常见的：容器OOM告警。

- alert:KubernetesContainerOomKillerexpr:(kube_pod_container_status_restarts_total - kube_pod_container_status_restarts_total offset 10m>=1)and ignoring (reason) min_over_time(kube_pod_container_status_last_terminated_reason{reason="OOMKilled"}[10m])==1
for:0mlabels:severity: warningannotations:summary:Kubernetes container oom killer (instance {{ $labels.instance }})description:"Container {{ $labels.container }} in pod {{ $labels.namespace }}/{{ $labels.pod }} has been OOMKilled {{ $value }} times in the last 10 minutes.\n  VALUE = {{ $value }}\n  LABELS = {{ $labels }}"

SSL 证书过期

通过 [7] 输出的指标，可以监控证书过期：未来 7 天 有证书过期便会触发告警。

- alert:SslCertificateExpiry(<7Days)expr: ssl_verified_cert_not_after{chain_no="0"}- time()<86400*7
for:0mlabels:severity: warningannotations:summary: SSL certificate expiry (<7 days)(instance {{ $labels.instance }})description:"{{ $labels.instance }} Certificate is expiring in 7 days\n  VALUE = {{ $value }}\n  LABELS = {{ $labels }}"

今天列出来的也仅仅是冰山一角，而且用户也可以贡献[8]出更多的规则。

引用链接

[1] Awesome Prometheus alerts: https://awesome-prometheus-alerts.grep.to/
[2] 这里: https://awesome-prometheus-alerts.grep.to/alertmanager
[3] node-exporter: https://github.com/prometheus/node_exporter
[4] 这里: https://prometheus.io/docs/prometheus/latest/querying/functions/#rate
[5] prometheus/mysqld_exporter: https://github.com/prometheus/mysqld_exporter
[6] java-client: https://github.com/prometheus/client_java
[7] : https://github.com/ribbybibby/ssl_exporter
[8] 贡献: https://github.com/samber/awesome-prometheus-alerts#-contributing

☞苹果或推出粉色款iPhone 13；用户超 8 亿，拼多多再超阿里；贝索斯将于7月5日卸任亚马逊CEO|极客头条☞特斯拉已在中国建立数据中心☞21 句话入门机器学习