配置监控告警
Flink全托管支持配置作业运行的监控告警,作业运行过程中,如果触发了监控规则,系统会给您发送告警消息,便于您及时发现并处理异常。本文为您介绍如何在Flink全托管控制台配置监控告警。
前提条件
已开通应用实时监控服务ARMS,详情请参见开通ARMS。
使用限制
部署时提交至Session集群的Flink作业不支持创建自定义规则。
创建自定义规则
进入告警配置入口。
登录实时计算控制台。
在Flink全托管页签,单击目标工作空间操作列下的控制台。
在作业运维页面,单击目标作业名称。
单击告警配置页签。
在告警规则页签,选择 。
如果您已在配置管理中配置了告警模板,您也可以直接单击告警模板名称,继续后续的步骤,加快配置监控告警的效率。告警模板创建步骤请参见创建告警规则模板。
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。
其中:
指标:
Restart Count in 1 Minute:1分钟内Job Manager重启次数。
Checkpoint Count in 5 Minutes:5分钟内Checkpoint成功次数。
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。
IN RPS:每秒输入记录数。
OUT RPS:每秒输出记录数。
Source IdIe Time:源端未处理数据的时间。
Job Failed:作业失败。
时间差:每分钟查询最近时间差分钟内的数据,并与阈值比较。如果历史数据中满足条件,则会触发告警规则。
例如配置时间差为10分钟,则每分钟取历史10分钟的纵轴数据,并将其与阈值进行比较,根据您选择不同的运算符来触发告警规则:
如果您选择的运算符是>= ,则取纵轴中的MAX值。如果历史10分钟内最大值>=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。如果历史10分钟内最小值<= 阈值,则触发告警规则。
运算符:支持>=和<=两种。
阈值:与指标进行比较的值。
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
支持1分钟~24小时。
通知方式
通知方式
支持以下通知方式:
DingTalk:钉钉
Email:邮件
SMS:短信
Webhook:网络服务地址。
Phone:电话。
您可以在联系人中配置联系人的电话、邮箱和钉钉信息。
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。
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,您需要先管理通知对象。
具体操作为单击右侧的通知对象管理,然后分别在联系人组、联系人、Webhook和钉钉机器人页签中,单击编辑后单击保存。
如何新建Webhook和添加钉钉机器人,详情请参见常见问题。
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。
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。
创建告警规则模板
进入告警规则模板创建入口。
填写告警模板信息。
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。
其中:
指标:
Restart Count in 1 Minute:1分钟内Job Manager重启次数。
Checkpoint Count in 5 Minutes:5分钟内Checkpoint成功次数。
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。
IN RPS:每秒输入记录数。
OUT RPS:每秒输出记录数。
Source IdIe Time:源端未处理数据的时间。
Job Failed:作业失败。
时间差:每分钟查询最近时间差分钟内的数据,并与阈值比较。如果历史数据中满足条件,则会触发告警规则。
例如配置时间差为10分钟,则每分钟取历史10分钟的纵轴数据,并将其与阈值进行比较,根据您选择不同的运算符来触发告警规则:
如果您选择的运算符是>= ,则取纵轴中的MAX值。如果历史10分钟内最大值>=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。如果历史10分钟内最小值<= 阈值,则触发告警规则。
运算符:支持>=和<=两种。
阈值:与指标进行比较的值。
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
支持1分钟~24小时。
通知方式
通知方式
支持以下通知方式:
DingTalk:钉钉
Email:邮件
SMS:短信
Webhook:网络服务地址。
Phone:电话。
您可以在联系人中配置联系人的电话、邮箱和钉钉信息。
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。
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,您需要先管理通知对象。
具体操作为单击右侧的通知对象管理,然后分别在联系人组、联系人、Webhook和钉钉机器人页签中,单击编辑后单击保存。
如何新建Webhook和添加钉钉机器人,详情请参见常见问题。
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。
单击确定。
创建的告警规则模板会出现在告警规则模板列表中,您可以进行编辑或删除。
常见问题
如何新建Webhook?
在填写告警模板或者规则信息页面,单击通知对象管理。
在Webhook页签,单击新建Webhook。
在新建Webhook页面,输入Webhook信息。
参数
说明
名称
必填,Webhook名称。
URL
必填,网络服务地址。
Headers
可选,请求头,用来存放cookie和token信息。格式为key: value。
说明请确保key与value的冒号后存在空格分隔符。
Params
可选,请求参数,格式为key: value。
说明请确保key与value的冒号后存在空格分隔符。
Body
必填,请求体,用来存放post的参数和参数数据。
您可以在Body字符串中使用$content占位符输出报警内容。
单击确定。
如何添加钉钉机器人?
在填写告警模板或者规则信息页面,单击通知对象管理。
在钉钉机器人页签,单击添加钉钉机器人。
输入钉钉机器人的名称和地址。
您首先需要添加一个自定义钉钉机器人,然后获取他的Webhook地址,详情请参见添加自定义钉钉机器人并获取Webhook地址。
重要安全设置请至少选中自定义关键词,且关键词至少设置为报警才能收到告警信息。
单击提交。