Skywalking告警功能是在6.x版本新增的，其核心由一組規則驅動，這些規則定義在config/alarm-settings.yml 文件中。告警規則定義分為兩部分：
1、告警規則：它們定義了應該如何觸發度量警報，應該考慮什么條件
2、webhook（網絡鈎子）：定義當告警觸發時，哪些服務終端需要被告知
一、告警規則
告警規則有兩種類型：單獨規則、復合規則
1.1、單獨規則
rules: # 規則唯一名稱，必須以'_rule'結尾. service_resp_time_rule: # 度量名稱，也是OAL腳本中的度量名，目前Service, Service Instance, Endpoint的度量可以用於告警 metrics-name: service_resp_time # [可選]默認，匹配此指標中的所有服務 include-names: - service_a - service_b exclude-names: - service_c # 閾值，對於多種指標值的如percentile可以配置P50、P75、P90、P95、P99的閾值 threshold: 75 # 操作符 op: < # 評估度量標准的時間長度 period: 10 # 度量有多少次符合告警條件后，才會觸發告警 count: 3 # 檢查多少次，告警觸發后保持沉默，默認周期相同 silence-period: 10 # 該規則觸發時，發送的通知消息 message: Response time of service {name} is more than 50ms in 1 minutes of last 1 minutes.
1.2、復合規則
復合規則僅適用於針對相同實體級別的告警規則
例如都是服務級別的告警規則：service_percent_rule && service_resp_time_percentile_rule 不適用於編寫不同實體級別的告警規則
rules: service_resp_time_rule: metrics-name: service_resp_time op: ">" threshold: 1000 period: 10 count: 2 silence-period: 10 message: 服務【{name}】的平均響應時間在最近10分鍾內有2分鍾超過1秒 service_sla_rule: metrics-name: service_sla op: "<" threshold: 8000 period: 10 count: 2 silence-period: 10 message: 服務【{name}】的成功率在最近10分鍾內有2分鍾低於80％ composite-rules: # 規則名稱：在告警信息中顯示的唯一名稱，必須以_rule結尾 comp_rule: # 指定如何組成規則，支持&&, ||, ()操作符 expression: service_resp_time_rule && service_sla_rule message: 服務【{name}】在最近10分鍾內有2分鍾平均響應時間超過1秒並且成功率低於80％
告
警規則配置項說明：
- Rule name: 規則名稱，也是在告警信息中顯示的唯一名稱。必須以’_rule’結尾，前綴可以自定義
- metrics name：度量名稱，取值為腳本中的度量名，目前只支持long、double、int類型。
- include name：該規則作用於哪些實體名稱，比如：服務名，終端名（可選，默認為全部）
- exclude name：該規則不作用於哪些實體名稱，比如：服務名，終端名（可選，默認為空）
- op: 操作符：目前支持 > , < , = 【當然你可以自己擴展開發其他的操作符】
- threshold：閾值/目標值：指標數據的目標數據 如sample中的1000就是服務響應時間，配合上操作符就是大於1000ms的服務響應
- period: 告警檢查周期：多久檢查一次當前的指標數據是否符合告警規則
- counts: 在一個period窗口中，如果values超過threshold值，達到counts值需要發送警報
- silence-period：忽略相同告警信息的周期
- message：告警信息
- webhooks：服務告警通知服務地址
默認告警規則
- 過去 3 分鍾內服務平均響應時間超過 1 秒
- 最后2分鍾服務成功率低於80%
- 最近 3 分鍾內服務響應時間超過 1s 的百分比
- 服務實例在過去 2 分鍾內平均響應時間超過 1s，並且實例名稱與正則表達式匹配
- 過去 2 分鍾內端點平均響應時間超過 1 秒
- 過去 2 分鍾內數據庫訪問平均響應時間超過 1 秒
- 過去 2 分鍾內端點關系平均響應時間超過 1 秒
支持的Hook類型
- WebHook（可以簡單理解位一種web層面的回調機制，通常由一些事件出發，與代碼中得事件回調類似，只不過是Web層面的。由於是web層面的，所以當事件發生時，回調的不再是代碼中得方法或函數，而是服務接口。例如：在告警這個場景，告警就是一個事件，當該事件發生時，Skywalking就會主動去調用一個配置好的接口，該接口就是所謂的webhook。skywalking的告警消息會通過HTTP請求進行發送，請求方法為POST，Content-Type為application/json，其JSON數據基於List進行序列化的。）
- GRPCHook
- SlackHook
- WechatHook
- DingtalkHook
- FeishuHook
- 測試釘釘告警
測試
由於上面配置了閾值是50ms，多點幾次應用接口，到告警頁面可見如下告警：
釘釘告警示例
修改配置：
tee /skywalking/apache-skywalking-apm-bin-es7/config/alarm-settings.yml <<-'EOF' dingtalkHooks: textTemplate: |- { "msgtype": "text", "text": { "content": "Apache SkyWalking Alarm: \n %s." } } webhooks: - url: https://oapi.dingtalk.com/robot/send?access_token=xxxxx secret: xxxxx EOF
如下：
釘釘告警效果：
webhook，編寫回調接口
Skywalking通過HttpClient的方式遠程調用在配置項webhooks中定義的告警通知服務地址：
了解了SW所傳送的數據格式我們就可以對告警信息進行接收處理，實現我們需要的告警通知服務啦！我們將一個服務停掉，並將另外一個服務的某個對外暴露的接口讓他休眠一定的時間。然后調用一定的次數觀察服務的狀態信息以及告警情況。
打開源碼&Live-Demo工程
修改oap-server/server-bootstrap/src/main/resources/alarm-settings.yml文件覆蓋如下配置(最近1分鍾內，應用平均響應時間超過50ms次數達到1次)
rules: service_resp_time_rule: metrics-name: service_resp_time threshold: 50 op: ">" period: 1 count: 1 message: Response time of service {name} is more than 50ms in 1 minutes of last 1 minutes. dingtalkHooks: textTemplate: |- { "msgtype": "text", "text": { "content": "Apache SkyWalking Alarm: \n %s." } } webhooks: - url: https://oapi.dingtalk.com/robot/send?access_token=xxx secret: xxx
啟動OAP服務
org.apache.skywalking.oap.server.starter.OAPServerStartUp
啟動UI服務
org.apache.skywalking.apm.webapp.ApplicationStartUp
啟動Eureka test.skywalking.springcloud.test.eureka.service.EurekaService_Main
啟動ProjectB
test.skywalking.springcloud.test.projectb.ProjectB_Main
執行 curl http://localhost:8762/projectB/test
等待1min中后，訪問Skywalking UI界面中的告警界面可以看到對應的告警信息
同時，釘釘群中也可以看到推送的消息
zhuan：https://blog.csdn.net/wb4927598/article/details/119192445