告警规则

告警规则允许您基于 Prometheus 表达式语言的表达式来定义告警条件，并将关于触发告警的通知发送给外部服务。每当在给定时间点告警表达式产生一个或多个向量元素时，该告警就会被视为针对这些元素的标签集处于活动（active）状态。

定义告警规则

在 Prometheus 中，告警规则的配置方式与记录规则相同。

一个包含告警的规则文件示例如下

groups:
- name: example
  labels:
    team: myteam
  rules:
  - alert: HighRequestLatency
    expr: job:request_latency_seconds:mean5m{job="myjob"} > 0.5
    for: 10m
    keep_firing_for: 5m
    labels:
      severity: page
    annotations:
      summary: High request latency

可选的 for 子句会使 Prometheus 在首次遇到新的表达式输出向量元素，与将此元素的告警计为“触发（firing）”之间等待一定的持续时间。在这种情况下，Prometheus 将在每次评估期间检查该告警是否在 10 分钟内持续处于活动（active）状态，然后才会触发该告警。处于活动状态但尚未触发的元素处于挂起（pending）状态。不带 for 子句的告警规则将在第一次评估时变为活动状态。

还有一个可选的 keep_firing_for 子句，它指示 Prometheus 在最后一次满足触发条件后，在指定的持续时间内保持此告警继续触发。这可用于防止告警抖动（flapping）、由于数据丢失导致的错误恢复等情况。不带 keep_firing_for 子句的告警规则将在不满足条件的第一次评估时停用（假设上述任何可选的 for 持续时间已得到满足）。

labels 子句允许指定一组附加到告警的标签。任何现有的冲突标签都将被覆盖。标签值可以使用模板。

annotations 子句指定了一组信息性标签，可用于存储更长的附加信息，例如告警描述或操作手册（runbook）链接。注释值可以使用模板。

模板化

标签和注释值可以使用控制台模板进行模板化。$labels 变量保存告警实例的标签键/值对。配置的外部标签可以通过 $externalLabels 变量访问。$value 变量保存告警实例的评估值。

# To insert a firing element's label values:
{{ $labels.<labelname> }}
# To insert the numeric expression value of the firing element:
{{ $value }}

示例

groups:
- name: example
  rules:

  # Alert for any instance that is unreachable for >5 minutes.
  - alert: InstanceDown
    expr: up == 0
    for: 5m
    labels:
      severity: page
    annotations:
      summary: "Instance {{ $labels.instance }} down"
      description: "{{ $labels.instance }} of job {{ $labels.job }} has been down for more than 5 minutes."

  # Alert for any instance that has a median request latency >1s.
  - alert: APIHighRequestLatency
    expr: api_http_request_latencies_second{quantile="0.5"} > 1
    for: 10m
    annotations:
      summary: "High request latency on {{ $labels.instance }}"
      description: "{{ $labels.instance }} has a median request latency above 1s (current value: {{ $value }}s)"

在运行时检查告警

要手动检查哪些告警处于活动状态（挂起或触发），请导航到 Prometheus 实例的 “Alerts（告警）”选项卡。这将为您显示每个已定义的告警当前处于活动状态的精确标签集。

对于挂起和触发的告警，Prometheus 还会以 ALERTS{alertname="<alert name>", alertstate="<pending or firing>", <additional alert labels>} 的形式存储合成时间序列。只要告警处于指定的活动（挂起或触发）状态，样本值就会设置为 1，一旦不再处于该状态，该序列就会被标记为陈旧（stale）。

发送告警通知

Prometheus 的告警规则擅长查明当前有哪些地方出现故障，但它们并不是一个完整的通知解决方案。需要在简单的告警定义之上，再加上一层来添加汇总、通知速率限制、静默和告警依赖。在 Prometheus 生态系统中，Alertmanager 承担了这一角色。因此，Prometheus 可以配置为定期将有关告警状态的信息发送给 Alertmanager 实例，然后再由后者负责发送正确的通知。Prometheus 可以通过其服务发现集成进行配置，以自动发现可用的 Alertmanager 实例。