配置监控告警

作业事件告警

通过配置条件来订阅作业的系统事件告警，支持事件批量告警配置。

1. 登录云监控控制台。

2. 在左侧导航栏，选择事件中心 > 事件订阅。

3. 在订阅策略页签，单击创建订阅策略。

4. 在创建订阅策略页面，配置相关参数，参数详情请参见管理事件订阅（推荐）。

   

   • 订阅类型：系统事件。

   • 产品：选择实时计算Flink版。

   • 事件名称：支持作业运行失败（使用ARMS监控服务时不支持）、ECS宕机事后处理和ECS主动运维影响事件。目前作业运行失败事件仅支持严重（Critical）事件等级。 

   • 事件内容：可以在事件内容中通过填写如下Flink信息进行指定作业或批量告警。

     • 工作空间ID：对目标工作空间下所有项目空间的所有作业进行事件告警。工作空间ID查看请参见如何查看工作空间ID等信息？。

     • 项目空间名称：对目标项目空间下所有作业进行事件告警。

     • 部署作业名称：对指定作业进行事件告警，多个作业时使用英文逗号（,）分隔。需要注意账号下是否存在重名作业，若存在重名作业请使用DeploymentID。

     • DeploymentID：对指定作业进行事件告警，多个作业时使用英文逗号（,）分隔。可在Flink作业部署详情页签的部署作业ID查看。

   说明

   应用分组、事件内容和事件资源均不设置时，表示订阅范围对本账号内所有工作空间生效。

工作流事件告警

通过配置条件来订阅Flink工作流的系统事件告警，支持事件批量告警配置，工作流详情请参见管理工作流。

1. 获取工作流节点的资源ID。

   1. 登录云监控控制台。

   2. 在左侧导航栏，选择事件中心 > 系统事件。

   3. 在事件监控页签，产品选择实时计算Flink版、事件名称选择工作流任务状态变化，单击搜索。

   4. 在下面筛选出工作流节点的资源ID。

      

      资源格式为acs:flink:cn-hangzhou:<阿里云账号Id>:resourceId/workspaceId/<workspaceId-namespaceId>#workflowDefinitionName/<workflowDefinitionName>#taskDefinitionName/<taskDefinitionName>，您也可以使用这个格式直接拼接您的工作流节点的资源ID。

      参数	说明
      <workspace阿里云账号Id>	开通Flink工作空间的阿里云账号ID。
      <workspaceId-namespaceId>	由"-"字符拼接workspaceId和namespaceId组成。 workspaceId：工作空间ID，详情请参见空间管理与操作。 namespaceId: 项目空间名称。
      <workflowDefinitionName>	工作流名称。
      <taskDefinitionName>	工作流节点名称。

      说明

      云监控中工作流的状态变更事件显示通常会存在几分钟的延迟。

2. 订阅事件通知。

   1. 在左侧导航栏，选择事件中心 > 事件订阅。

   2. 在订阅策略页签，单击创建订阅策略。

   3. 在创建订阅策略页面，设置订阅策略的相关参数，参数详情请参见管理事件订阅（推荐）。

      • 订阅类型：系统事件。

      • 产品：选择实时计算Flink版。

      • 事件名称：选择工作流任务状态变化。

      • 事件内容：支持填写toState: FAILED（工作流状态失败）、toState: SUCCESS（工作流状态成功）、fromState: SCHEDULED, toState: RUNNING（工作流状态从等待调度，到运行中的参数）。

      • 事件资源：输入步骤1中获取到的工作流的资源ID，多个时使用英文逗号（,）分隔。

      • 事件类型、事件等级、应用分组：均不设置。

单个作业配置（实时计算控制台）

您可以针对目标作业创建新的告警规则，也可以在创建告警规则模板后，直接使用已有规则模板为目标作业创建告警，加快配置监控告警的效率。

1. 进入告警配置入口。

   1. 登录实时计算控制台，单击目标工作空间操作列下的控制台。

   2. 在运维中心 > 作业运维页面，单击目标作业名称。

   3. 单击告警配置页签。

2. 在告警规则页签，选择添加告警规则 > 自定义规则。

   您也可以选择添加告警规则 > 规则模板，通过添加并使用告警模板，可以直接创建告警规则或基于模板进行简单修改后创建告警规则，加快配置监控告警的效率。

3. 填写告警规则信息。

   类别	参数	描述
   具体规则	规则名称	以字母开头，仅包含小写英文字母、数字、下划线（_），长度限制为3~64个字符。
   	描述	规则的备注信息。
   	内容	配置触发报警的条件内容，配置完成后会每间隔指定时间，对指定的指标值与阈值进行计算比较，计算结果满足则自动报警。 指标： Restart Count in 1 Minute：1分钟内Job Manager重启次数，单位为次。 Checkpoint Count in 5 Minutes：5分钟内Checkpoint成功次数，单位为个。 Emit Delay：业务延时，即数据发生时间与数据离开Source算子的时间差值，单位为秒。 重要 数据发生时间依赖于外部系统中记录的时间戳。如果外部系统里面没时间戳，或者数据写入外部系统时，乱写时间戳，则Emit Delay数值不准确，无法反映真实延时。建议多指标配置告警来判断真实事件，详情请参见监控与告警配置指南。 IN RPS：每秒输入记录数，单位为条/秒。 OUT RPS：每秒输出记录数，单位为条/秒。 Source Idle Time：源端未处理数据的时间，单位为毫秒。 Job Failed：作业失败 时间差：指系统每次检查时，向前回溯查询的历史数据时间窗口长度。单位（分钟）。 运算符：支持>=和<=两种。 阈值：与指标进行比较的值。 如果您选择的运算符是>= ，则取纵轴中的MAX值。如果时间差内最大值>=阈值，则触发告警规则。 如果您选择的运算符是<= ，则取纵轴中的MIN值。如果时间差内最小值<= 阈值，则触发告警规则。 假设监控的是“5分钟内CP成功次数”指标，时间差设为10分钟，阈值设为2，运算符选“<=”。 系统就会每分钟都去翻最近10分钟的历史数据，看看在这10分钟里，有没有某一个“5分钟时间段”的CP成功次数小于等于2。如果有，就触发告警。
   	生效时间	告警监控的生效时间，可以指定只在白天（9点~18点）生效，默认全天生效。
   	告警频率	连续多少分钟内只发一次告警。支持1分钟~1440分钟（24小时）。
   通知方式	通知方式	支持选择多个通知方式。支持的通知方式如下： DingTalk：钉钉。 Email：邮件。 SMS：短信。 Webhook：网络服务地址。 Phone：电话。 需确保接收人电话已完成验证，否则无法生效。您可以单击下方的通知对象管理，若联系人页签中目标联系人电话列存在未验证标识，需单击完成验证。 重要 请确保已创建并添加可用的通知对象，否则将导致告警通知方式失败。例如，选择钉钉通知方式时，请选中DingTalk并添加钉钉机器人类型的钉钉通知对象。 告警管理的收费详情请参见告警计费说明。
   	通知对象	支持同时通知多个通知对象，您可以直接选择或搜索通知对象。在选择通知对象前，您需要单击右侧的通知对象管理创建通知对象，详情请参见空间管理与操作。
   	告警降噪	单击高级配置后，您可以打开告警降噪开关。 打开告警降噪开关后，对于作业可以快速恢复的场景（因集群调度或触发自动调优等场景触发的短期的Failover）则不会向您发送告警，只有连续达到您设置的阈值条件时，才会向您发送告警。
   	无数据告警	单击高级配置后，您可以打开无数据告警开关并填写连续无数据的时间信息。 打开该功能后，将监测无监控埋点数据汇报场景，如果数据在选择时间段内没有汇报就会触发告警。通常JobManager异常、作业异常停止或者汇报链路异常会导致无监控埋点数据汇报。

4. 单击确定。

   保存后的告警规则默认已启用，且出现在告警规则列表中，您可以选择停止、编辑或删除。

单作业/多作业配置（ARMS控制台）

1. 登录实时计算控制台。

2. 单击目标工作空间操作列下的更多 > 监控指标配置，进入应用实时监控服务ARMS控制台。

   上方展示了工作空间名称、工作空间ID，以及对应的Prometheus实例名称。

   

3. 单击左侧的告警规则，创建告警规则。

   

   • 检测类型：支持通过静态阈值和自定义PromQL进行指标告警（Flink已支持的告警指标除外）。

   • 筛选条件：支持批量告警配置。命名空间填写项目空间名称，选择全部时表示工作空间下全部项目空间；部署作业填写项目空间下目标作业的部署作业ID（在Flink作业部署详情页签查看），选择全部时表示项目空间下的全部作业。

   更多配置参数详情请参见创建Prometheus告警规则。您也可以创建Prometheus告警规则模板，详情请参见创建Prometheus告警规则模板。