Prometheus 2.0 Alpha.3 和新规则格式

今天，我们发布了 Prometheus 2.0 的第三个 alpha 版本。除了新的存储层中的各种错误修复之外，它还包含一些计划中的重大更改。

Flag 更改

首先，我们迁移到了一个新的 Flag 库，它使用更常见的双破折号 -- 作为 Flag 前缀，而不是 Prometheus 迄今为止使用的单破折号。部署需要相应地进行调整。此外，此 alpha 版本中移除了一些 Flag。自 Prometheus 1.0.0 以来的完整列表是

  • web.telemetry-path
  • 所有 storage.remote.* Flag
  • 所有 storage.local.* Flag
  • query.staleness-delta
  • alertmanager.url

记录规则更改

告警和记录规则是 Prometheus 的关键功能之一。但它们也存在一些设计问题和缺失的功能，具体包括

  • 所有规则都以相同的间隔运行。我们可能有一些更适合以 10 分钟间隔运行的重量级规则，以及一些可以以 15 秒间隔运行的规则。

  • 所有规则都是并发评估的，这实际上是 Prometheus 最早的开放错误。这会带来几个问题，显而易见的是，如果您有很多规则，每次评估间隔时负载都会飙升。另一个问题是相互依赖的规则可能会获得过时的数据。例如

instance:network_bytes:rate1m = sum by(instance) (rate(network_bytes_total[1m]))

ALERT HighNetworkTraffic
  IF instance:network_bytes:rate1m > 10e6
  FOR 5m

在这里，我们对 instance:network_bytes:rate1m 进行告警，但 instance:network_bytes:rate1m 本身是由另一个规则生成的。只有在记录了 instance:network_bytes:rate1m 的当前值之后运行告警 HighNetworkTraffic，我们才能获得预期的结果。

  • 规则和告警要求用户学习另一种 DSL。

为了解决上述问题，很早之前就提出了对规则进行分组的建议，但直到最近才作为 Prometheus 2.0 的一部分实现。作为此实现的一部分，我们还将规则迁移到了众所周知的 YAML 格式，这使得基于用户环境中的常见模式生成告警规则更加容易。

新格式如下所示

groups:
- name: my-group-name
  interval: 30s   # defaults to global interval
  rules:
  - record: instance:errors:rate5m
    expr: rate(errors_total[5m])
  - record: instance:requests:rate5m
    expr: rate(requests_total[5m])
  - alert: HighErrors
    # Expressions remain PromQL as before and can be spread over
    # multiple lines via YAML’s multi-line strings.
    expr: |
      sum without(instance) (instance:errors:rate5m)
      / 
      sum without(instance) (instance:requests:rate5m)
    for: 5m
    labels:
      severity: critical
    annotations:
      description: "stuff's happening with {{ $labels.service }}"

每个组中的规则按顺序执行，并且您可以为每个组设置一个评估间隔。

由于此更改是破坏性的，我们将在 2.0 版本中发布它，并在 promtool 中添加了一个用于迁移的命令：promtool update rules <filenames> 转换后的文件将附加 .yml 后缀，并且您 Prometheus 配置中的 rule_files 子句必须进行调整。

通过测试这个新的 alpha 版本来帮助我们迈向 Prometheus 2.0 稳定版！您可以在我们的问题跟踪器上报告错误，并通过我们的社区渠道提供一般反馈。