grafana v10.1版本设置告警

1. 相关概念概述

如图所示，点击切换菜单标志，可以看到警报相关子选项。

• 警报规则：通过PromQL语句定义告警规则，即达到怎样的状态触发告警。

• 联络点： 设置当警报规则实例触发时，如何通知联系人，支持的方式有发送邮件，钉钉机器人消息，slack，webhook等。

• 通过策略： 定义警报如何路由到联络点。例如如何匹配告警示例，设置关联联络点，设置group,通知时间控制。

• 静默：设置静默时间段，再指定的时间阻止一个或多个警报通知。

• 组：查看来自 Alertmanager（警报管理器）实例的分组警报。

• 管理员： Alertmanager配置设置与查看。

2. 设置告警

设置告警没有固定的流程，我们按照菜单从上至下的顺序依次进行创建和设置。

2.1 创建警报规则

2.1.1 Rule name

我们设置一个发现有pod异常的警报规则，设置警报规则名：pod_abnormal

2.1.2 Define query and alert condition

设置查询语句和警报触发条件。如图所示：

选择数据源：Prometheus

查询语句为：cluster:pod_abnormal:sum，这是一个prometheus的recording rule返回异常的pod数量，这个语句返回内容没有label所以label fillters不设置。grafana页面功能很全，设置其他告警内容的话可以根据页面提示选择需要的指标和label过滤所需的数据。

grafana同一个警报规则下支持设置多个数据源的数据查询，点击Add query即可添加另一个数据源及查询语句。

然后设置Expressions（表达式），指定警报触发的条件，Expressions支持一些类型：

Reduce:  将所选时间范围内的时间序列值聚合为单个值,支持的Function包含Min、Max、Last等具体含义可看页面解释。

Math：对时间序列和数字数据执行自由形式的数学函数/操作。可用于预处理时间序列数据或为数字数据定义警报条件。

Resample：将时间范围重新对齐到一组新的时间戳，这在比较来自不同数据源的时间序列数据时非常有用，否则时间戳不会对齐。其中包括Downsample（下采样）和Upsample（上采样）。

Downsample（下采样）是将高频率数据转换为低频率数据的过程。在Grafana中，可以通过Downsample选项将原始数据按照指定的时间间隔进行聚合，以得到更低频率的数据。例如，可以将每分钟的数据Downsample为每小时的数据，以减少数据的噪声和波动。Downsample通常用于数据预处理、数据可视化和数据压缩等场景。

Upsample（上采样）是将低频率数据转换为高频率数据的过程。在Grafana中，可以通过Upsample选项将原始数据按照指定的时间间隔进行插值，以得到更高频率的数据。例如，可以将每小时的数据Upsample为每分钟的数据，以获取更详细的信息。Upsample通常用于数据可视化和数据分析等场景。

Threshold：检查是否有任何时间序列数据符合阈值条件。阈值表达式允许您比较两个单个值。当条件为假时返回0，如果条件为真则返回1。以下阈值函数可用:

• Is above (x > y)

• Is below (x < y)

• Is within range (x > y1 AND x < y2)

• Is outside range (x < y1 AND x > y2)

Classic condition：检查是否有任何时间序列数据与警报条件匹配，无论有多少时间序列满足条件，经典的条件表达式查询总是只产生一个警报实例。经典条件的存在主要是出于兼容性的原因，应该尽可能避免。

2.1.3 Set alert evaluation behavior

设置评估行为：

Folder：包括设置警报规则所属目录，

Evaluation group：设置警报规则评估组。Evaluation group可以选择已有组或者新建组，新建组可以设置组名和评估时间间隔。

Pending period：在警报规则触发之前，警报规则可能违反条件的时间段。可以设置合适的时间，防止误触告警。

2.1.4 Add annotations

可以添加一些注解在告警通知，例如触发告警的原因，告警规则的消息描述等。

Runbook URL功能允许将警报规则与相关的运行手册（runbook）关联起来。运行手册是一个包含有关如何处理特定警报的详细信息的网页。通过提供Runbook URL，可以让团队成员在收到警报时快速访问相关的运行手册，并按照其中的指导来解决问题。

以下是Grafana中Runbook URL的作用和使用场景：

1. 提供警报处理指南：运行手册通常包含有关如何诊断和解决特定警报的详细信息。通过提供Runbook URL，可以让团队成员在收到警报时快速访问这些指南，并按照其中的指导来解决问题。

2. 促进团队协作：在处理警报时，团队成员通常需要协作并共享信息。通过提供Runbook URL，可以让团队成员轻松访问共享的运行手册，并在其中记录和处理警报的相关信息。

3. 提高效率：处理警报通常需要快速而准确地采取行动。通过提供Runbook URL，可以让团队成员避免在查找和处理警报时浪费时间，从而提高工作效率。

4. 监控和报告：运行手册通常包含有关警报的监控和报告信息。通过提供Runbook URL，可以让团队成员轻松访问这些信息，并更好地了解警报的状态和趋势。

2.1.5 Configure notifications

添加自定义标签来改变告警通知的路由方式。通知策略根据标签匹配到相关的警报规则，进而发送告警通知。

此处我们设置pod=abnormal

2.1.6 保存退出

2.2 联络点

联络点页面包含创建联络点和创建通知模板两个部分，因为创建联络点是需要引用通知模板，所以我们先创建通知没模板，然后在创建联络点。

2.2.1 创建通知模板

创建通知模板内容很多，很灵活可参考官方文档，我们创建一个简单的例子：

Template name ： 模板名，PodAbnormal

Payload data：告警实例的具体内容，通过Select alert instances可以选择添加已有告警，实例内容数据用于预览创建的告警模板生成的实际内容。

Content: 模板具体的内容，使用go模板语法实现：

{{ define "PodAbnormal.title" }}
{{ len .Alerts.Firing }} firing alert(s), {{ len .Alerts.Resolved }} resolved alert(s)
{{ end }}
{{ define "PodAbnormal.message" }}{{- if gt (len .Alerts.Firing) 0 -}}{{ range $i, $alert := .Alerts.Firing }}[告警项目]:{{ index $alert.Labels "alertname" }}[告警详情]:{{ index $alert.Annotations "description" }}[触发时间]:{{ (.StartsAt).Format "2006-01-02 15:04:05" }}{{ end }}{{- end }}{{- if gt (len .Alerts.Resolved) 0 -}}{{ range $i, $alert := .Alerts.Resolved }}[项目]:{{ index $alert.Labels "alertname" }}[告警详情]:{{ index $alert.Annotations "description" }}[状态]:恢复正常[开始]:{{ (.StartsAt).Format "2006-01-02 15:04:05" }}[恢复]:{{ (.EndsAt).Format "2006-01-02 15:04:05" }}{{ end }}{{- end }}
{{ end }}

2.2.2 创建联络点

点击Add contact point进入添加联络点页面：

Name: 联络点的名字。

Integration：选择联络点类型，支持钉钉，Email, Slack等等。此处示例设置钉钉机器人。

Optional DingDing settings：钉钉消息相关设置

• MessageType: 支持Link和ActionCard两种类型。

• Title：设置标题，可以直接输如或者引用已创建的模板内容

• message: 设置消息内容，可以直接输如或者引用已创建的模板内容

Notification settings：是否禁用当告警状态返回false时发送的解析消息[OK]

2.2.3 保存退出

点击 save contact point

2.3 通知策略

通知策略用来确定警报如何路由到联络点。

可以看到已有一个Default policy，Default policy会路由所有的告警示例，所有的策略都是基于Default policy或者他的子策略的，策略是树状方式路由的。子策略可以覆盖父策略的组定义，及时间控制策略。可以通过label细化父策略的匹配范围。

2.3.1 创建通知策略

点击默认策略的New nested policy进入策略创建页面：

Matching labels：设置匹配警告规则的标签,与2.1.5相同设置为pod=abnormal。

Contact point：联络点选择上一节创建的DingTalk。

Continue matching subsequent sibling nodes：选择是否继续匹配子策略。

Override grouping：设置是否覆写父策略分组信息。

Override general timings：设置是否覆写父策略警报时间控制设置。

Mute timings：设置静默时间，引用静默时间需要提前创建好静默。

2.3.2 保存退出

点击Save policy。

3. 收到告警消息

4. 静默

静默用来设置在指定时间范围内即使有告警示例也不发送告警消息。

4.1 创建静默

点击Create silence进入创建静默页面：

Silence start and end：设置静默的起止时间段。

Matching labels：设置匹配的警报示例，同样这里设置为pod=abnormal。

Comment ：给静默添加信息。

Affected alert instances：预览此静默影响到的Alerts。

4.2 保存退出

点击Save slience.