Prometheus告警规则与配置详解

Prometheus 05-01: 告警规则与Alertmanager配置详解

Prometheus作为云原生监控系统的核心组件，其告警功能通过告警规则（Alerting Rules）和Alertmanager协同实现。本文将深入解析告警规则的编写方法、Alertmanager的配置逻辑，并提供可落地的代码示例。

---

告警规则（Alerting Rules）配置

告警规则用于定义触发告警的条件，通常以YAML格式存储在Prometheus服务器的规则文件中。以下是一个典型的告警规则示例：

groups:
- name: example
  rules:
  - alert: HighRequestLatency
    expr: job:request_latency_seconds:mean5m{job="myjob"} > 0.5
    for: 10m
    labels:
      severity: warning
    annotations:
      summary: "High request latency on {{ $labels.instance }}"
      description: "{{ $labels.job }} has a 5m average latency of {{ $value }} seconds."

• alert：告警名称，需全局唯一。
• expr：PromQL表达式，结果为布尔值，true时触发告警。
• for：持续满足条件的时间阈值，避免瞬时波动误报。
• labels：附加标签，用于告警路由和分类。
• annotations：告警详情模板，支持变量插值（如{{ $labels.instance }}）。

---

告警规则最佳实践

1. 避免过度告警
通过for字段设置合理的持续时间阈值，例如CPU使用率持续5分钟超过90%才触发告警：

expr: avg(rate(container_cpu_usage_seconds_total[1m])) by (instance) > 0.9
for: 5m

2. 使用多级严重性标签
通过severity标签区分告警级别：

labels:
  severity: "critical"  # 可选：warning/critical

**3. 动态