天天热讯:掌握Web应用的监控与告警
2022-07-28 09:49:23来源：今日头条
最近组里又来了一个需求：当告警发生时，将告警信息通过企业微信发送给开发的相关负责人，方便尽快排除故障。实际使用Alertmanager来完成这项工作，下面介绍具体的实现方法。
详细配置告警通道配置监控最重要的是在故障发生时，能将告警信息发送出来，让正确的人第一时间获悉故障的详情，只有这样才能尽快排除故障。企业微信很多公司都有使用，而且Alertmanager支持将企业微信作为告警通道。
按照企业微信的官方文档来配置告警通道，如果觉得麻烦，可以在浏览器上搜索“alertmanager 企业微信”关键字，就有很多配置例子展示。我们需要得到下面五个键值对：
(资料图)
wechat_api_url: "https://qyapi.weixin.qq.com/cgi-bin/"wechat_api_corp_id: "12345678"agent_id: 12345678api_secret: 12345678to_tag: 4
这五个键值对需要在Alertmanager中配置，后面四个键的值根据实际情况填写。
企业微信有三种ID来选择消息的接收对象：用户ID、部门ID和标签ID。因为第三种方式支持同时包含用户和部门，使用起来比较灵活，这里选择第三种方式。
标签ID
点击“标签详情”，可以看到标签ID，在配置Alertmanager时会用到。
标签ID显示
Blackbox配置这里直接将配置文件贴出。
docker-compose.yaml：
version: "3.3"services: blackbox_exporter: image: prom/blackbox-exporter:v0.19.0 ports: - "9115:9115" restart: always volumes: - "./config:/config" command: "--config.file=/config/blackbox.yaml"
config/blackbox.yaml：
modules: http_get: prober: http timeout: 5s http: valid_http_versions: ["HTTP/1.1", "HTTP/2.0"] valid_status_codes: [200] no_follow_redirects: false tls_config: insecure_skip_verify: trueAlertmanager配置
这里是关键，因为告警通知的发送控制都由Alertmanager来控制。配置文件如下。
docker-compose.yaml：
alertmanager: image: bitnami/alertmanager:0 restart: "always" ports: - 9093:9093 container_name: "alertmanager" volumes: - "./config:/etc/alertmanager"
config/config.yml：
global: resolve_timeout: 5m wechat_api_url: "https://qyapi.weixin.qq.com/cgi-bin/" wechat_api_corp_id: "1234567"templates: - "/etc/alertmanager/*.tmpl"route: receiver: wechat group_wait: 1s group_interval: 1s repeat_interval: 2s group_by: [adm] routes: - matchers: - adm="search" receiver: searchEngine group_wait: 10s - matchers: - adm="portalweb" receiver: portalWeb group_wait: 10sreceivers:- name: wechat wechat_configs: - to_tag: infra message: "{{ template "wechat.message" . }}" agent_id: 1000002 message_type: markdown api_secret: verylongstring- name: searchEngine wechat_configs: - to_tag: searchdep message: "{{ template "wechat.message" . }}" agent_id: 1000002 message_type: markdown api_secret: verylongstring- name: portalWeb wechat_configs: - to_tag: portalwebdep message: "{{ template "wechat.message" . }}" agent_id: 1000002 message_type: markdown api_secret: verylongstring有几个参数需要介绍下：
group_wait：Alertmanager 在接收到一条新的告警（第一次出现的告警）时，将这条告警发送给 receiver 之前需要等待的时间。
group_interval：对于一条已经出现过的告警，alertmanager 每隔 group_interval 时间检查一次告警。
repeat_interval： 对于一条已经出现过的告警，每隔 repeat_interval 会重新发送给 receiver。
有篇文档整理得很好，这里直接列出来。
“Alertmanager 在收到一条新的告警之后，会等待 group_wait 时间，对这条新的告警做一些分组、更新、静默的操作。当第一条告警经过 group_wait 时间之后，Alertmanager 会每隔 group_interval 时间检查一次这条告警，判断是否需要对这条告警进行一些操作，当 Alertmanager 经过 n 次 group_interval 的检查后，n*group_interval 恰好大于 repeat_interval 的时候，Alertmanager 才会将这条告警再次发送给对应的 receiver。”
文中这三个参数配置的值很小，主要为测试目的，生产环境根据需要配置。
还有一点需要注意，Alertmanager子路由（即routes里面）中配置的参数会覆盖根路由（即route里面）中配置的参数，所以按照文件“config/config.yml”中的配置，如果一条告警发送到了“searchEngine”，就不可能再发送给默认的接收者“wechat”，除非子路由没有匹配。
告警模板文件：config/wechat.tmpl。
{{ define "wechat.message" }}{{- if gt (len .Alerts.Firing) 0 -}}{{- range $index, $alert := .Alerts -}}{{- if eq $index 0 -}}# 报警项: {{ $alert.Labels.alertname }}{{- end }}> `**===告警详情===**` > 告警级别: {{ $alert.Labels.severity }}> 告警详情: {{ index $alert.Annotations "description" }}{{ $alert.Annotations.message }}> 故障时间: {{ ($alert.StartsAt.Add 28800e9).Format "2006-01-02 15:04:05" }}> 故障实例: {{ $alert.Labels.instance }}{{- end }}{{- end }}{{- if gt (len .Alerts.Resolved) 0 -}}{{- range $index, $alert := .Alerts -}}{{- if eq $index 0 -}}# 恢复项: {{ $alert.Labels.alertname }}{{- end }}> `===恢复详情===` > 告警级别: {{ $alert.Labels.severity }}> 告警详情: {{ index $alert.Annotations "description" }}{{ $alert.Annotations.message }}> 故障时间: {{ ($alert.StartsAt.Add 28800e9).Format "2006-01-02 15:04:05" }}> 恢复时间: {{ ($alert.EndsAt.Add 28800e9).Format "2006-01-02 15:04:05" }}> 故障实例: {{ $alert.Labels.instance }}{{- end }}{{- end }}{{- end }}其中语句“{{ ($alert.StartsAt.Add 28800e9).Format "2006-01-02 15:04:05" }}”是将时间转换成北京时间，否则默认显示的是UTC时间，不利于故障发生时间的查看。
配置完Alertmanager，再看Prometheus的配置。
Prometheus配置Prometheus需要增加告警规则文件，所有待监控的metrics都保存在Prometheus中，但它并不知道metrics的值处于什么状态的情况下，自己要发告警给Alertmanager，所以要通过增加告警规则文件告知Prometheus，各个配置文件如下，
docker-compose.yaml：
version: "3.3"services: prometheus: image: prom/prometheus restart: always ports: - "9090:9090" volumes: - "./config:/config" command: --config.file=/config/prometheus.yaml
Prometheus的配置文件，config/prometheus.yaml：
# my global configglobal: scrape_interval: 15s # Set the scrape interval to every 15 seconds. Default is every 1 minute. evaluation_interval: 15s # Evaluate rules every 15 seconds. The default is every 1 minute. # scrape_timeout is set to the global default (10s).# Alertmanager configurationalerting: alertmanagers: - static_configs: - targets: - 192.168.52.128:9093# Load rules once and periodically evaluate them according to the global "evaluation_interval".rule_files: - /config/alerts.rules # A scrape configuration containing exactly one endpoint to scrape:# Here it"s Prometheus itself.scrape_configs: - job_name: "web-monitor" scrape_interval: 1m metrics_path: /probe params: module: [http_get] static_configs: - targets: - https://www.baidu.com - https://cn.bing.com labels: adm: "search" - targets: - https://www.163.com - https://www.ifeng.com labels: adm: "portalweb" relabel_configs: - source_labels: [__address__] target_label: __param_target - source_labels: [__param_target] target_label: instance - target_label: __address__ replacement: 192.168.52.128:9115 # The blackbox exporter"s real hostname:port.
Prometheus的告警规则文件，config/alerts.rules：
groups: - name: Web监控 rules: - alert: Web API不能访问 expr: probe_success == 0 for: 10s labels: severity: 非常严重 annotations: summary: "{{$labels.instance}}:链接不能访问" description: "{{$labels.instance}}:链接超过10s无法连接"到这里，所有的配置已经完成，看下效果：
效果展示在Prometheus上查看probe_success metric的值，看到此时链接“https://www.163.com”访问异常（当然不是真的有问题，可以使用一些手段模拟）。
prometheus查看
查看Alertmanager Web界面，也收到了Prometheus发送过来的告警信息。
Alertmanager告警详情
企业微信告警信息如下。
企业微信告警
总结依赖企业微信和Alertmanager便实现根据告警详情指定告警接收人的配置。
