MSE提供应用监控告警功能,可在满足告警条件时通过邮件、短信、钉钉等渠道实时告警,帮助您主动发现异常。本文介绍如何创建和管理告警规则。
前提条件
背景信息
报警控件本质是数据集的数据展示方式,所以在创建报警控件的同时,会创建一个数据集来存储报警控件的底层数据。
新建报警大约在10分钟内生效,报警判断会存在1分钟~3分钟的延时。
创建告警规则
登录MSE注册配置中心管理控制台,并在顶部菜单栏选择地域。
在左侧导航栏,选择注册配置中心 > 告警管理 > 告警规则管理。
在MSE告警列表页面,单击创建MSE告警规则。
在创建MSE告警规则页面,配置告警相关配置项,然后单击完成。
配置项
描述
告警名称
填写告警规则名称。
MSE集群
选择集群。集群名称后的
()
里显示该集群的注册配置中心类型,目前仅支持Nacos和ZooKeeper。告警分组
选择告警指标的分组为Nacos。
告警指标
选择告警指标。不同告警分组所支持的告警指标也不同,请根据实际需求选择。部分告警指标说明,请参见告警指标。
告警条件
设置触发告警的条件。例如,当服务数大于100时,发送告警。
筛选条件
默认无筛选,无需设置。
数据预览
当设置完告警条件后,在空白处单击鼠标左键,系统会自动弹出当前告警规则的预览数据。您可以自定义事件周期进行筛选,当鼠标悬浮在图表上时,可显示该时刻的数据。
说明当Metric为集群状态监控时,需要配置此项。
持续时间
设置持续时间。
告警等级
设置告警的等级。告警严重程度从默认、P4、P3、P2、P1逐级上升。
告警内容
设置触发该告警时,所显示的告警内容。您可以使用Go template语法在告警内容中自定义告警参数变量,例如:
告警集群的ID:{{$label.service_cluster_id}} 告警的集群节点:{{$label.kubernetes_pod_name}} 设置的阈值:{{$labels.metrics_params_value}} 触发告警的实际值:{{ printf "%.2f" $value }}
同时,告警内容也会根据告警指标自动调整。
告警通知
选择告警通知并进行相应的配置。可以选择极简模式或普通模式。
快速指定通知策略
选择告警通知为普通模式时需要配置此项。
当告警触发时,ARMS告警中心会根据配置的通知策略对产生的告警事件进行分派、处理并发送通知。
您可以单击新建通知策略进行快速创建,也可以先在通知策略页面创建自定义通知策略,然后在这里选择已创建的通知策略。具体操作,请参见通知策略。
高级设置
告警检查周期
设置告警检查周期,默认值为1(单位:分钟)。
数据完整后再检查
选择是否在数据完整后再检查。
标签(labels)
单击创建标签,设置告警规则的标签,设置的标签可用作分发规则的选项。
注释(annotations)
单击创建注释。设置键为message,值为{{变量名}}告警信息。设置完成后的格式为:
message:{{$labels.pod_name}}重启告警信息
,例如message:{{$labels.pod_name}}重启
。
后续操作
您在监控中创建的告警规则均会显示在MSE告警列表页面。
在MSE告警列表页面,您可以在操作列中按需对目标报警规则采取以下操作。
如需编辑告警规则,请单击编辑,并在编辑MSE告警规则页面中修改告警规则,然后单击完成。
如需启用或停止告警规则,请单击启动或停止,并在提示对话框中,单击确认。
如需删除报警规则,请单击删除,并在提示对话框中单击确认。
如需查看告警历史,请单击告警事件历史,在事件列表页面中查看历史告警信息。
可选:如果您想要批量管理多条告警规则,可选中多条告警规则,后按需单击批量操作 > 批量启动告警规则/批量停止告警规则/批量删除告警规则,并在对话框单击确认。
告警指标
MSE Nacos已经总结出一系列Nacos使用过程中主要的监控指标,并为这些指标制定了推荐的告警阈值,其中对于Nacos运行期间最核心的一些监控指标, MSE提供了一键配置的功能,避免您逐个配置告警指标,方便您快速获得感知绝大多数Nacos异常情况的能力。一键配置Nacos核心告警的步骤及对应的指标内容,请参见配置默认告警。
其他主要的告警指标内容说明、建议值以及可能应用的场景,在下表列出:
告警指标 | 说明 | 建议值 | 应用场景 |
服务QPS/TPS | Nacos注册中心相关的每秒请求数。
| 以QPS比TPS为5:1的比例,且TPS+QPS的总值大于实例能力评估中对应规格的每秒处理请求数(TPS)进行配置。例如Nacos实例为2c4g * 3节点,QPS大于1600时告警,TPS大于400时告警。 具体的QPS和TPS的比例需要根据实际的使用情况进行调整,例如服务订阅者数量远大于服务提供者时,需要提高QPS的阈值,降低TPS的阈值。 | 检测是否有错用的场景,例如应用订阅过多服务、配置心跳时间过短等导致QPS/TPS过高。 |
服务读/写接口的平均请求耗时(毫秒) | Nacos注册中心相关读/写接口的平均响应时间(RT),单位为毫秒(ms)。 | 大于2500 ms时告警。 | 检测是否有较多的大数据量查询,例如单次查询过多的服务,或服务提供者的元数据过大。 |
服务提供者数 | Nacos注册中心服务提供者总数。与默认告警“Nacos服务提供者使用率”过高相关联。 | 小于某个预期值时告警,或大于实例能力评估中对应规格的服务提供者数时告警。 |
|
配置QPS/TPS | Nacos配置中心相关的每秒请求数。
| 以QPS比TPS为19:1的比例,且TPS+QPS的总值大于实例能力评估中对应规格的每秒处理请求数(TPS)进行配置。例如Nacos实例为2c4g * 3节点,QPS配置大于1900时告警,TPS大于100时告警。 具体的QPS和TPS的比例需要根据实际的使用情况进行调整,例如配置监听者众多,但配置很少出现变更时,需要提高QPS的阈值,降低TPS的阈值。 | 检测是否有错用的场景,例如配置了命名空间ID为public,频繁查询配置内容,频繁发布配置等,导致QPS/TPS过高。 |
Nacos集群状态监测 | 有Nacos节点处于不可用状态。 | 无。 | 检测是否有Nacos节点处于不可用状态,便于预警容量雪崩的场景。 说明 该告警在Nacos进行主动运维操作,例如重启、升级、扩缩容时也会触发。 |
- 本页导读 (1)