Apache SkyWalking 告警配置指南 _配置

莫道桑榆晚，为霞尚满天。这篇文章主要讲述Apache SkyWalking 告警配置指南相关的知识，希望能为你提供帮助。
Apache SkyWalking
Apache SkyWalking是分布式系统的应用程序性能监视工具（Application Performance Management，APM），专为微服务、云原生架构和基于容器（Docker、K8s、Mesos）架构而设计。
它提供了分布式追踪、服务网格遥测分析、度量聚合和可视化一体化解决方案。
Apache SkyWalking告警
Apache SkyWalking告警是由一组规则驱动，这些规则定义在config/alarm-settings.yml文件中。
告警规则的定义分为三部分。

告警规则：定义了触发告警所考虑的条件。
webhook：当告警触发时，被调用的服务端点列表。
gRPCHook：当告警触发时，被调用的远程gRPC方法的主机和端口。
Slack Chat Hook：当告警触发时，被调用的Slack Chat接口。
微信 Hook：当告警触发时，被调用的微信接口。
钉钉 Hook：当告警触发时，被调用的钉钉接口。

告警规则告警规则有两种类型，单独规则（Individual Rules）和复合规则（Composite Rules），复合规则是单独规则的组合。
单独规则（Individual Rules）单独规则主要有以下几点：

规则名称：在告警信息中显示的唯一名称，必须以_rule结尾。
metrics-name：度量名称，也是OAL脚本中的度量名。默认配置中可以用于告警的度量有：服务，实例，端点，服务关系，实例关系，端点关系。它只支持long,double和int类型。
include-names：包含在此规则之内的实体名称列表。
exclude-names：排除在此规则以外的实体名称列表。
include-names-regex：提供一个正则表达式来包含实体名称。如果同时设置包含名称列表和包含名称的正则表达式，则两个规则都将生效。
exclude-names-regex：提供一个正则表达式来排除实体名称。如果同时设置排除名称列表和排除名称的正则表达式，则两个规则都将生效。
include-labels：包含在此规则之内的标签。
exclude-labels：排除在此规则以外的标签。
include-labels-regex：提供一个正则表达式来包含标签。如果同时设置包含标签列表和包含标签的正则表达式，则两个规则都将生效。
exclude-labels-regex：提供一个正则表达式来排除标签。如果同时设置排除标签列表和排除标签的正则表达式，则两个规则都将生效。

标签的设置必须把数据存储在meter-system中，例如：Prometheus, Micrometer。以上四个标签设置必须实现LabeledValueHolder接口。

threshold：阈值。

对于多个值指标，例如percentile，阈值是一个数组。像value1 value2 value3 value4 value5这样描述。
每个值可以作为度量中每个值的阈值。如果不想通过此值或某些值触发警报，则将值设置为 -。
例如在percentile中，value1是P50的阈值，value2是P75的阈值，那么-，-，value3, value4, value5的意思是，没有阈值的P50和P75的percentile告警规则。

op：操作符，支持& gt;, & gt; =, & lt;, & lt; =, =。
period：多久告警规则需要被检查一下。这是一个时间窗口，与后端部署环境时间相匹配。
count：在一个周期窗口中，如果按op计算超过阈值的次数达到count，则发送告警。
only-as-condition：true或者false，指定规则是否可以发送告警，或者仅作为复合规则的条件。
silence-period：在时间N中触发报警后，在N -> N + silence-period这段时间内不告警。默认情况下，它和period一样，这意味着相同的告警（同一个度量名称拥有相同的Id）在同一个周期内只会触发一次。
message：该规则触发时，发送的通知消息。

举个例子：

rules: service_resp_time_rule: metrics-name: service_resp_time op: "> " threshold: 1000 period: 10 count: 2 silence-period: 10 message: 服务【name】的平均响应时间在最近10分钟内有2分钟超过1秒 service_instance_resp_time_rule: metrics-name: service_instance_resp_time op: "> " threshold: 1000 period: 10 count: 2 silence-period: 10 message: 实例【name】的平均响应时间在最近10分钟内有2分钟超过1秒 endpoint_resp_time_rule: metrics-name: endpoint_avg threshold: 1000 op: "> " period: 10 count: 2 message: 端点【name】的平均响应时间在最近10分钟内有2分钟超过1秒

复合规则（Composite Rules）复合规则仅适用于针对相同实体级别的告警规则，例如都是服务级别的告警规则：

service_percent_rule &
&
 service_resp_time_percentile_rule

。
不可以编写不同实体级别的告警规则，例如服务级别的一个告警规则和端点级别的一个规则：

service_percent_rule &
&
 endpoint_percent_rule

。
复合规则主要有以下几点：

规则名称：在告警信息中显示的唯一名称，必须以_rule结尾。
expression：指定如何组成规则，支持& &, ||, ()操作符。
message：该规则触发时，发送的通知消息。

举个例子：

rules: service_resp_time_rule: metrics-name: service_resp_time op: "> " threshold: 1000 period: 10 count: 2 silence-period: 10 message: 服务【name】的平均响应时间在最近10分钟内有2分钟超过1秒 service_sla_rule: metrics-name: service_sla op: "< " threshold: 8000 period: 10 count: 2 silence-period: 10 message: 服务【name】的成功率在最近10分钟内有2分钟低于80％ composite-rules: comp_rule: expression: service_resp_time_rule & & service_sla_rule message: 服务【name】在最近10分钟内有2分钟超过1秒平均响应时间超过1秒并且成功率低于80％

WebhookWebhook 要求一个点对点的 Web 容器。告警的消息会通过 HTTP 请求进行发送，请求方法为 POST，Content-Type 为 application/json，JSON 格式包含以下信息：

scopeId：目标 Scope 的 ID。
name：目标 Scope 的实体名称。
id0：Scope 实体的 ID。
id1：未使用。
ruleName：您在 alarm-settings.yml 中配置的规则名。
alarmMessage. 告警消息内容。
startTime. 告警时间戳，当前时间与 UTC 1970/1/1 相差的毫秒数。

举个例子：

[ "scopeId": 1, "scope": "SERVICE", "name": "one-more-service", "id0": "b3JkZXItY2VudGVyLXNlYXJjaC1hcGk=.1", "id1": "", "ruleName": "service_resp_time_rule", "alarmMessage": "服务【one-more-service】的平均响应时间在最近10分钟内有2分钟超过1秒", "startTime": 1617670815000 , "scopeId": 2, "scope": "SERVICE_INSTANCE", "name": "e4b31262acaa47ef92a22b6a2b8a7cb1@192.168.30.11 of one-more-service", "id0": "dWF0LWxib2Mtc2VydmljZQ==.1_ZTRiMzEyNjJhY2FhNDdlZjkyYTIyYjZhMmI4YTdjYjFAMTcyLjI0LjMwLjEzOA==", "id1": "", "ruleName": "instance_jvm_young_gc_count_rule", "alarmMessage": "实例【e4b31262acaa47ef92a22b6a2b8a7cb1@192.168.30.11 of one-more-service】的YoungGC次数在最近10分钟内有2分钟超过10次", "startTime": 1617670815000 , "scopeId": 3, "scope": "ENDPOINT", "name": "/one/more/endpoint in one-more-service", "id0": "b25lcGllY2UtYXBp.1_L3RlYWNoZXIvc3R1ZGVudC92aXBsZXNzb25z", "id1": "", "ruleName": "endpoint_resp_time_rule", "alarmMessage": "端点【/one/more/endpoint in one-more-service】的平均响应时间在最近10分钟内有2分钟超过1秒", "startTime": 1617670815000 ]

gRPCHook告警消息将使用 Protobuf 类型通过gRPC远程方法发送。消息格式的关键信息定义如下：

syntax = "proto3"; option java_multiple_files = true; option java_package = "org.apache.skywalking.oap.server.core.alarm.grpc"; service AlarmService rpc doAlarm (stream AlarmMessage) returns (Response) message AlarmMessage int64 scopeId = 1; string scope = 2; string name = 3; string id0 = 4; string id1 = 5; string ruleName = 6; string alarmMessage = 7; int64 startTime = 8; message Response

Slack Chat Hook您需要遵循传入Webhooks入门指南并创建新的Webhooks。
如果您按以下方式配置了Slack Incoming Webhooks，则告警消息将按 Content-Type 为 application/json 通过HTTP的 POST 方式发送。
【Apache SkyWalking 告警配置指南】举个例子：

slackHooks: textTemplate: |-"type": "section", "text": "type": "mrkdwn", "text": ":alarm_clock: *Apache Skywalking Alarm* \\n **%s**."webhooks: - https://hooks.slack.com/services/x/y/z

微信Hook只有微信的企业版才支持 Webhooks ，如何使用微信的 Webhooks 可参见如何配置群机器人。
如果您按以下方式配置了微信的 Webhooks ，则告警消息将按 Content-Type 为 application/json 通过HTTP的 POST 方式发送。
举个例子：

wechatHooks: textTemplate: |-"msgtype": "text", "text": "content": "Apache SkyWalking 告警: \\n %s."webhooks: - https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=dummy_key

钉钉 Hook您需要遵循自定义机器人开放并创建新的Webhooks。为了安全起见，您可以为Webhook网址配置可选的密钥。
如果您按以下方式配置了钉钉的 Webhooks ，则告警消息将按 Content-Type 为 application/json 通过HTTP的 POST 方式发送。
举个例子：

dingtalkHooks: textTemplate: |-"msgtype": "text", "text": "content": "Apache SkyWalking 告警: \\n %s."webhooks: - url: https://oapi.dingtalk.com/robot/send?access_token=dummy_token secret: dummysecret