Docker系列——Grafana+Prometheus+Node-exporter服務器告警中心（二）

在前一篇博文中介紹，服務器監控已經部署成功。如果每天都需要人去盯着服務情況，那也不太現實。既然監控平台已經部署好了，是不是可以自動觸發報警呢？

在上一篇Prometheus架構中有講到，核心組件之一：AlertManager，AlertManager即Prometheus體系中的告警處理中心。所以實現告警功能，可以使用該組件，具體如何實現，我們來看。

AlertManager配置

服務部署

拉取鏡像

使用命令 docker pull prom/alertmanager:latest

服務啟動

使用如下命令：

docker run -d --name alertmanager -p 9093:9093 \
prom/alertmanager:latest

啟動服務后，通過地址訪問，http:// :9093可以看到默認提供的 UI 頁面，不過現在是沒有任何告警信息的，因為我們還沒有配置報警規則來觸發報警。

配置文件

AlertManager 默認配置文件為 alertmanager.yml，在容器內路徑為 /etc/alertmanager/alertmanager.yml，默認配置如下：

global:
  resolve_timeout: 5m
route:
  group_by: ['alertname']
  group_wait: 10s
  group_interval: 10s
  repeat_interval: 1h
  receiver: 'web.hook'
receivers:
- name: 'web.hook'
  webhook_configs:
  - url: 'http://127.0.0.1:5001/'
inhibit_rules:
  - source_match:
      severity: 'critical'
    target_match:
      severity: 'warning'
    equal: ['alertname', 'dev', 'instance']

簡單介紹一下主要配置的作用：
• global: 全局配置，包括報警解決后的超時時間、SMTP 相關配置、各種渠道通知的 API 地址等等。
• route: 用來設置報警的分發策略，它是一個樹狀結構，按照深度優先從左向右的順序進行匹配。
• receivers: 配置告警消息接受者信息，例如常用的 email、wechat、slack、webhook 等消息通知方式。
• inhibit_rules: 抑制規則配置，當存在與另一組匹配的警報（源）時，抑制規則將禁用與一組匹配的警報（目標）。

告警規則

alertmanager配置好后，我們來添加告警規則，就是符合規則，才會推送消息，規則配置如下：

mkdir -p /root/prometheus/rules && cd /root/prometheus/rules/
vim host.rules

添加如下信息：

groups:
- name: node-up
  rules:
  - alert: node-up
    expr: up{job="linux"} == 0
    for: 15s
    labels:
      severity: 1
      team: node
    annotations:
      summary: "{{ $labels.instance }} 已停止運行超過 15s！"

說明一下：該 rules 目的是監測 node 是否存活，expr 為 PromQL 表達式驗證特定節點 job="linux" 是否活着，for 表示報警狀態為 Pending 后等待 15s 變成 Firing 狀態，一旦變成 Firing 狀態則將報警發送到 AlertManager，labels 和 annotations 對該 alert 添加更多的標識說明信息，所有添加的標簽注解信息，以及 prometheus.yml 中該 job 已添加 label 都會自動添加到郵件內容中 ，參考規則。

prometheus.yml配置文件

修改prometheus.yml配置文件，添加 rules 規則文件，已有內容不變，配置文件中添加如下內容：

alerting:
  alertmanagers:
    - static_configs:
      - targets: 
        - 'ip:9093'
rule_files:
  - "/etc/prometheus/rules/*.rules"

注意: 這里rule_files為容器內路徑，需要將本地host.rules文件掛載到容器內指定路徑，修改 Prometheus 啟動命令如下，並重啟服務。

docker run  -d --name prometheus \
  -p 9090:9090 \
  -v /root/prometheus/prometheus.yml:/etc/prometheus/prometheus.yml  \
  -v /root/prometheus/rules/:/etc/prometheus/rules/  \
prom/prometheus

通過ip+端口訪問，查看rules，如下所示：

這里說明一下 Prometheus Alert 告警狀態有三種狀態：Inactive、Pending、Firing。

• Inactive：非活動狀態，表示正在監控，但是還未有任何警報觸發。
• Pending：表示這個警報必須被觸發。由於警報可以被分組、壓抑/抑制或靜默/靜音，所以等待驗證，一旦所有的驗證都通過，則將轉到 Firing 狀態。
• Firing：將警報發送到 AlertManager，它將按照配置將警報的發送給所有接收者。一旦警報解除，則將狀態轉到 Inactive，如此循環。

說了這么多，就用推送郵件來實踐下結果。

郵件推送

郵件配置

我們來配置一下使用 Email 方式通知報警信息，這里以 QQ 郵箱為例，新建目錄 mkdir -p /root/prometheus/alertmanager/ && cd /root/prometheus/alertmanager/

使用vim命令 vim alertmanager.yml，配置文件中添加如下內容：

global:
  resolve_timeout: 5m
  smtp_from: '[e-mail]'
  smtp_smarthost: 'smtp.qq.com:465'
  smtp_auth_username: '[e-mail]'
  smtp_auth_password: 'XXXXXXXXX'
  smtp_hello: 'qq.com'
  smtp_require_tls: false
route:
  group_by: ['alertname']
  group_wait: 5s
  group_interval: 5s
  repeat_interval: 5m
  receiver: 'email'
receivers:
- name: 'email'
  email_configs:
  - to: '[e-mail]'
    send_resolved: true
    #insecure_skip_verify: true
inhibit_rules:
  - source_match:
      severity: 'critical'
    target_match:
      severity: 'warning'
    equal: ['alertname', 'dev', 'instance']

其中幾個關鍵的配置說明一下：

• smtp_smarthost: 這里為 QQ 郵箱 SMTP 服務地址，官方地址為 smtp.qq.com 端口為 465 或 587，同時要設置開啟 POP3/SMTP 服務。
• smtp_auth_password: 這里為第三方登錄 QQ 郵箱的授權碼，非 QQ 賬戶登錄密碼，否則會報錯，獲取方式在 QQ 郵箱服務端設置開啟 POP3/SMTP 服務時會提示。
• smtp_require_tls: 是否使用 tls，根據環境不同，來選擇開啟和關閉。如果提示報錯 email.loginAuth failed: 530 Must issue a STARTTLS command first，那么就需要設置為 true。着重說明一下，如果開啟了 tls，提示報錯 starttls failed: x509: certificate signed by unknown authority，需要在 email_configs 下配置 insecure_skip_verify: true 來跳過 tls 驗證。

重啟AlertManager

修改 AlertManager 啟動命令，將本地alertmanager.yml文件掛載到容器內指定位置，是配置生效，命令如下所示：

docker run -d --name alertmanager -p 9093:9093 \
-v /root/prometheus/alertmanager/:/etc/alertmanager/ \
prom/alertmanager:latest

觸發報警

之前我們定義的 rule 規則為監測 job="linux" Node 是否活着，那么就可以停掉node-exporter服務來間接起到 Node Down 的作用，從而達到報警條件，觸發報警規則。

使用命令 docker stop 容器id，停止服務后，等待 60s 之后可以看到 Prometheus target 里面 linux 狀態為 unhealthy 狀態，等待 60s 后，alert 頁面由綠色 node-up (0 active) Inactive 狀態變成了黃色 node-up (1 active) Pending 狀態，繼續等待 60s 后狀態變成紅色 Firing 狀態，向 AlertManager 發送報警信息，此時 AlertManager 則按照配置規則向接受者發送郵件告警。

停掉服務后，我們來看狀態的變化，首先是Inactive狀態，AlertManager也沒有報警信息，如下所示：

等待60s后，再次查看服務狀態，變成了Pending狀態，如下所示：

繼續等待 60s，變成了Firing狀態，如下所示：

並且AlertManager 有報警信息，如下所示：

查看自己的郵件，收到了郵件推送，如下所示：

服務一直處於停止狀態，會一直推送消息，5分鍾一次，如下所示：

說到這里，對有些時間節點有點不理解，這里有幾個地方需要解釋一下：
• 每次停止/恢復服務后，60s 之后才會發現 Alert 狀態變化，是因為 prometheus.yml中 global -> scrape_interval: 60s 配置決定的，如果覺得等待 60s 時間太長，可以修改小一些，可以全局修改，也可以局部修改。例如局部修改 linux 等待時間為 5s。
• Alert 狀態變化時會等待 15s 才發生改變，是因為host.rules中配置了for: 15s狀態變化等待時間。
• 報警觸發后，每隔 5m 會自動發送報警郵件(服務未恢復正常期間)，是因為alertmanager.yml中route -> repeat_interval: 5m配置決定的。

郵件自定義

在剛才的郵件內容中，基本信息有，但不直觀，那可不可以自定義模板內容呢？答案是有的，我們繼續來看。

自定義模板

自定義一個郵件模板，在/root/prometheus/alertmanager/目錄下，vim email.tmpl配置如下：

{{ define "email.from" }}[e-mail]{{ end }}
{{ define "email.to" }}[e-mail]{{ end }}
{{ define "email.html" }}
{{ range .Alerts }}
=========start==========<br>
告警程序: prometheus_alert <br>
告警級別: {{ .Labels.severity }} 級 <br>
告警類型: {{ .Labels.alertname }} <br>
故障主機: {{ .Labels.instance }} <br>
告警主題: {{ .Annotations.summary }} <br>
告警詳情: {{ .Annotations.description }} <br>
觸發時間: {{ .StartsAt.Format "2006-01-02 08:08:08" }} <br>
=========end==========<br>
{{ end }}
{{ end }}

簡單說明一下，上邊模板文件配置了 email.from、email.to、email.to.html 三種模板變量，可以在 alertmanager.yml 文件中直接配置引用。這里 email.to.html 就是要發送的郵件內容，支持 Html 和 Text 格式，這里為了顯示好看，采用 Html 格式簡單顯示信息。下邊 {{ range .Alerts }} 是個循環語法，用於循環獲取匹配的 Alerts 的信息，下邊的告警信息跟上邊默認郵件顯示信息一樣，只是提取了部分核心值來展示。

修改alertmanager.yml

由於已經定義了變量，所以我們在alertmanager配置文件中可以引用變量，並且引用我們自定義的模板，引用模板需要增加 templates ，配置如下：

global:
  resolve_timeout: 5m
  smtp_from: '{{ template "email.from" . }}'
  smtp_smarthost: 'smtp.qq.com:465'
  smtp_auth_username: '{{ template "email.from" . }}'
  smtp_auth_password: 'XXXXXXXXXXXXXXXXX'
  smtp_hello: 'qq.com'
  smtp_require_tls: false
templates:
  - '/etc/alertmanager/*.tmpl'
route:
  group_by: ['alertname']
  group_wait: 5s
  group_interval: 5s
  repeat_interval: 5m
  receiver: 'email'
receivers:
- name: 'email'
  email_configs:
  - to: '{{ template "email.to" . }}'
    html: '{{ template "email.html" . }}'
    send_resolved: true
    #insecure_skip_verify: true
inhibit_rules:
  - source_match:
      severity: 'critical'
    target_match:
      severity: 'warning'
    equal: ['alertname', 'dev', 'instance']

重啟AlertManager

修改 AlertManager 啟動命令，將本地email.tmpl文件掛載到容器內指定位置並重啟。由於我的配置是跟alertmanager的配置文件在同一個目錄下，所以不用重新掛載，重啟容器即可。
我們將node服務停止，再次查收郵件，查看下效果，如下所示：

模板優化

時間格式

我們從上圖可以看出，郵件內容格式已經改變，但時間卻顯示的有點離譜，原因是時間格式問題，修改郵件模板，針對時間配置格式，如下所示：

{{ define "email.from" }}[e-mail]{{ end }}
{{ define "email.to" }}[e-mail]{{ end }}
{{ define "email.html" }}
{{ range .Alerts }}
=========start==========<br>
告警程序: prometheus_alert <br>
告警級別: {{ .Labels.severity }} 級 <br>
告警類型: {{ .Labels.alertname }} <br>
故障主機: {{ .Labels.instance }} <br>
告警主題: {{ .Annotations.summary }} <br>
告警詳情: {{ .Annotations.description }} <br>
觸發時間: {{ (.StartsAt.Add 28800e9).Format "2006-01-02 15:04:05" }} <br>
=========end==========<br>
{{ end }}
{{ end }}

保存后再次重啟alertmanager服務，重新操作一遍之前的動作，查看最終的郵件效果，如下所示：

配置時間格式后，我們看效果圖，時間是修正了的。

郵件標題

還可以自定義郵件標題，修改alertmanager.yml配置文件，增加參數：headers即可，如下所示：

receivers:
- name: 'email'
  email_configs:
  - to: '{{ template "email.to" . }}'
    html: '{{ template "email.html" . }}'
    send_resolved: true
    headers: { Subject: "{{ .CommonAnnotations.summary }}" }

配置好重啟alertmanager服務，再次觸發告警郵件，收到的內容如下：

以上就是今天的分享內容，報警系統功能就已完成，后續介紹微信、釘釘推送，下期再見。