将报警配置功能接入注册集群

通过onectl配置

1. 在本地安装配置onectl。具体操作，请参见通过onectl管理注册集群。

2. 为云监控组件配置RAM权限。

   onectl ram-user grant --addon alicloud-monitor-controller

   预期输出：

   Ram policy ack-one-registered-cluster-policy-alicloud-monitor-controller granted to ram user ack-one-user-ce313528c3 successfully.

通过控制台配置

在注册集群中安装组件前，需先获取AccessKey用来访问云服务。设置AccessKey前，需创建RAM用户并为其添加访问相关云资源的权限。

1. 创建RAM用户。

2. 创建自定义权限策略。权限策略模板如下所示：

   {
               "Action": [
                   "log:*",
                   "arms:*",
                   "cms:*",
                   "cs:UpdateContactGroup"
               ],
               "Resource": [
                   "*"
               ],
               "Effect": "Allow"
   }

3. 为RAM用户授权。

4. 为RAM用户创建AccessKey。

   警告

   建议您参见AccessKey网络访问限制策略配置网络策略，将AccessKey调用来源控制在可信的网络环境内，提升AccessKey的安全性。

5. 使用AccessKey在注册集群中创建名为alibaba-addon-secret的Secret资源。

   安装云监控组件时将自动引用此AccessKey访问对应的云服务资源。

   kubectl -n kube-system create secret generic alibaba-addon-secret --from-literal='access-key-id=<your access key id>' --from-literal='access-key-secret=<your access key secret>'

   说明

   <your access key id>及<your access key secret>为上一步获取的AccessKey信息。

通过onectl安装

安装云监控组件。

onectl addon install alicloud-monitor-controller

预期输出：

Addon alicloud-monitor-controller, version **** installed.

通过控制台安装

控制台会自动检测报警配置环境是否符合要求，并会引导进行开通、安装或升级组件。

1. 登录容器服务管理控制台，在左侧导航栏选择集群列表。

2. 在集群列表页面，单击目标集群名称，然后在左侧导航栏，选择运维管理 > 报警配置。

3. 在报警配置页面，按照页面指引进行组件的安装或升级。

4. 安装升级完成后，进入报警配置页面配置报警信息。

   页签	说明
   报警规则管理	启动状态：用于打开或关闭目标报警规则集。 编辑通知对象：设置报警通知的联系人分组。 设置前，需先创建联系人和分组，并将联系人加入分组。通知对象仅支持联系人分组，如需通知单人，可将该联系人单独建组后选择该分组。
   报警历史	目前可查看最近1天内发送的最新100条历史记录。 单击报警规则列下的链接，可以跳转到对应监控系统中查看详细规则配置。 单击排查现场，可以快速定位到异常发生的资源页面（异常事件、指标异常的资源）。 单击智能分析，可通过计算 AI 助手协助分析问题并提供处理指导。
   联系人管理	对联系人进行管理，可创建、编辑或删除联系人。 联系方式： 电话/短信：设置联系人的手机号码后，可以通过电话和短信的方式接收告警通知。 仅验证过的手机号码可以在通知策略中使用电话的通知方式，验证手机号的操作，请参见验证手机号。 邮箱：设置联系人的邮箱地址后，可以通过邮箱接收告警通知。 机器人：钉钉机器人、企业微信机器人和飞书机器人。 钉钉机器人需要追加安全关键字： 报警、分派。 邮箱和机器人设置前，可以先在云监控控制台中报警服务 > 报警联系人验证，以便接收报警信息。
   联系人分组管理	对联系人分组进行管理，可创建、编辑或删除联系人分组。编辑通知对象仅支持选择联系人分组。 当无联系人分组时，控制台会在阿里云账号注册信息中同步创建一个默认联系人分组。

控制台

1. 登录容器服务管理控制台，在左侧导航栏选择集群列表。

2. 在集群列表页面，单击目标集群名称，然后在左侧导航栏，选择运维管理 > 报警配置。

3. 在报警规则管理页签，单击右上角编辑报警配置，然后单击目标规则列右侧操作列下的YAML，即可查看当前集群中的AckAlertRule资源配置。

4. 可参考默认报警规则模板说明，根据实际需求修改 YAML 文件内容。

   报警规则配置 YAML 示例如下：

   报警规则配置YAML

   apiVersion: alert.alibabacloud.com/v1beta1
   kind: AckAlertRule
   metadata:
     name: default
   spec:
     groups:
       # 以下是一个集群事件报警规则配置样例。
       - name: pod-exceptions                             # 报警规则分组名，对应报警模板中的Group_Name字段。
         rules:
           - name: pod-oom                                # 报警规则名。
             type: event                                  # 报警规则类型（Rule_Type），枚举值为event（事件类型）、metric-cms（云监控指标类型）。
             expression: sls.app.ack.pod.oom              # 报警规则表达式，当规则类型为event时，表达式的值为本文默认报警规则模板中Rule_Expression_Id值。
             enable: enable                               # 报警规则开启状态，枚举值为enable、disable。
           - name: pod-failed
             type: event
             expression: sls.app.ack.pod.failed
             enable: enable
       # 以下是一个集群基础资源报警规则配置样例。
       - name: res-exceptions                              # 报警规则分组名，对应报警模板中的Group_Name字段。
         rules:
           - name: node_cpu_util_high                      # 报警规则名。
             type: metric-cms                              # 报警规则类型（Rule_Type），枚举值为event（事件类型）、metric-cms（云监控指标）、metric-prometheus（Prometheus指标）。
             expression: cms.host.cpu.utilization          # 报警规则表达式，当规则类型为metric-cms时，表达式的值为本文默认报警规则模板中Rule_Expression_Id值。
             contactGroups:                                # 报警规则映射的联系人分组配置，由ACK控制台生成，同一个账号下联系人相同，可在多集群中复用。
             enable: enable                                # 报警规则开启状态，枚举值为enable、disable。
             thresholds:                                   # 报警规则阈值。          
               - key: CMS_ESCALATIONS_CRITICAL_Threshold
                 unit: percent
                 value: '85'                                # CPU 使用率阈值，85%（默认）    
               - key: CMS_ESCALATIONS_CRITICAL_Times
                 value: '3'                                # 连续 3 次超过阈值触发报警
               - key: CMS_RULE_SILENCE_SEC                 # 初次上报报警后静默期时长 
                 value: '900'    

   rules.thresholds（参数见下表）可自定义报警阈值。例如上述示例配置：当集群节点 CPU 使用率超过 85%，连续 3 次达到阈值，且距离上一次报警已超过 900 秒时，将触发报警通知。

   参数名	是否必选	说明	默认值
   CMS_ESCALATIONS_CRITICAL_Threshold	必选	报警配置阈值。未配置时规则将同步失败并关闭。 unit：表示单位，可配置为percent、count或qps。 value：阈值。	根据默认报警模板配置而定。
   CMS_ESCALATIONS_CRITICAL_Times	可选	云监控规则重试判断次数。未配置时取默认值。	3
   CMS_RULE_SILENCE_SEC	可选	云监控持续发送异常触发规则时，初次上报报警后静默期时长（单位：秒），防止过于频繁报警。未配置时取默认值。	900

kubectl

1. 使用以下命令编辑报警规则的 YAML 文件。

   kubectl edit ackalertrules default -n kube-system

2. 可参考默认报警规则模板说明，根据实际需求修改 YAML 文件内容，编辑完成后保存并退出即可。

   报警规则配置YAML

   apiVersion: alert.alibabacloud.com/v1beta1
   kind: AckAlertRule
   metadata:
     name: default
   spec:
     groups:
       # 以下是一个集群事件报警规则配置样例。
       - name: pod-exceptions                             # 报警规则分组名，对应报警模板中的Group_Name字段。
         rules:
           - name: pod-oom                                # 报警规则名。
             type: event                                  # 报警规则类型（Rule_Type），枚举值为event（事件类型）、metric-cms（云监控指标类型）。
             expression: sls.app.ack.pod.oom              # 报警规则表达式，当规则类型为event时，表达式的值为本文默认报警规则模板中Rule_Expression_Id值。
             enable: enable                               # 报警规则开启状态，枚举值为enable、disable。
           - name: pod-failed
             type: event
             expression: sls.app.ack.pod.failed
             enable: enable
       # 以下是一个集群基础资源报警规则配置样例。
       - name: res-exceptions                              # 报警规则分组名，对应报警模板中的Group_Name字段。
         rules:
           - name: node_cpu_util_high                      # 报警规则名。
             type: metric-cms                              # 报警规则类型（Rule_Type），枚举值为event（事件类型）、metric-cms（云监控指标类型）。
             expression: cms.host.cpu.utilization          # 报警规则表达式，当规则类型为metric-cms时，表达式的值为本文默认报警规则模板中Rule_Expression_Id值。
             contactGroups:                                # 报警规则映射的联系人分组配置，由ACK控制台生成，同一个账号下联系人相同，可在多集群中复用。
             enable: enable                                # 报警规则开启状态，枚举值为enable、disable。
             thresholds:                                   # 报警规则阈值。          
               - key: CMS_ESCALATIONS_CRITICAL_Threshold
                 unit: percent
                 value: '85'                                # CPU 使用率阈值，85%（默认）    
               - key: CMS_ESCALATIONS_CRITICAL_Times
                 value: '3'                                # 连续 3 次超过阈值触发报警
               - key: CMS_RULE_SILENCE_SEC                 # 初次上报报警后静默期时长 
                 value: '900'    

   通过 rules.thresholds，可灵活自定义报警阈值。例如上述示例配置：当集群节点 CPU 使用率超过 85%，连续 3 次达到阈值，且距离上一次报警已超过 900 秒时，将触发报警通知。

   参数名	是否必选	说明	默认值
   CMS_ESCALATIONS_CRITICAL_Threshold	必选	报警配置阈值。未配置时规则将同步失败并关闭。 unit：表示单位，可配置为percent、count或qps。 value：阈值。	根据默认报警模板配置而定。
   CMS_ESCALATIONS_CRITICAL_Times	可选	云监控规则重试判断次数。未配置时取默认值。	3
   CMS_RULE_SILENCE_SEC	可选	云监控持续发送异常触发规则时，初次上报报警后静默期时长（单位：秒），防止过于频繁报警。未配置时取默认值。	900