Skywalking(9.7.0)告警配置

图片被吞，来这里看吧： juejin /post/7344567669893021736

过年前一天发版，大家高高兴兴准备回家过年去了。这时候老板说了一句，记得带上电脑，关注用户反馈。有紧急问题在高速上都得给我找个服务区改好。

但是机智如我，怎么能让老板知道服务出问题了呢？毕竟我还奢望过完年有年终奖。那正确的方式当然服务出问题了，我们开发瞒着老板偷偷给他改了，当做什么都没发生过。

平时当然Bug多点无所谓，毕竟软件嘛，有点bug也正常。但现在是决定年终的重要时刻，我们要让老板相信我们的服务是稳定的。

1. 首先你要有个Skywalking

有条件玩K8S的同学看这个：在K8S集群中部署SkyWalking-CSDN博客

没条件就本地玩玩吧：SkyWalking 本地启动以及闪退问题-CSDN博客

告警相关配置文件路径：

打开后有一些默认的规则，这些规则的作用看这个：Alerting | Apache SkyWalking

rules: service_resp_time_rule: expression: sum(service_resp_time > 1000) >= 3 period: 10 silence-period: 5 message: Response time of service {name} is more than 1000ms in 3 minutes of last 10 minutes. service_sla_rule: expression: sum(service_sla < 8000) >= 2 period: 10 silence-period: 3 message: Successful rate of service {name} is lower than 80% in 2 minutes of last 10 minutes service_resp_time_percentile_rule: expression: sum(service_percentile{_='0,1,2,3,4'} > 1000) >= 3 period: 10 silence-period: 5 message: Percentile response time of service {name} alarm in 3 minutes of last 10 minutes, due to more than one condition of p50 > 1000, p75 > 1000, p90 > 1000, p95 > 1000, p99 > 1000 service_instance_resp_time_rule: expression: sum(service_instance_resp_time > 1000) >= 2 period: 10 silence-period: 5 message: Response time of service instance {name} is more than 1000ms in 2 minutes of last 10 minutes database_access_resp_time_rule: expression: sum(database_access_resp_time > 1000) >= 2 period: 10 message: Response time of database access {name} is more than 1000ms in 2 minutes of last 10 minutes endpoint_relation_resp_time_rule: expression: sum(endpoint_relation_resp_time > 1000) >= 2 period: 10 message: Response time of endpoint relation {name} is more than 1000ms in 2 minutes of last 10 minutes 2. 告警规则参数

Alerting | Apache SkyWalking

Rule name：规则名称。需要保证唯一，必须以 _rule 结尾

Expression：告警表达式。

Include names：告警规则生效包含的实体名列表。在 Skywalking中，实例有多种类型 Alerting | Apache SkyWalking

实体名称这里要注意一下，我们在集成 Agent 的时候，一般都会设置 Namespace 和 Service group。举个栗子： SW_AGENT_NAMESPACE："dev" SW_AGENT_NAME："dev::example-name" 当我这样定义时，service name 应该写成 dev::example-name|dev|，参考：Table of Agent Configuration Properties | Apache SkyWalking

Exclude names：告警规则不生效包含的实体名列表

Include names regex：和 Include names 一样。只不过是正则表达式字符串

Exclude names regex：和 Exclude names 一样。只不过是正则表达式字符串

Tags：自定义的 k-v 对

Period：表达式计算结果的缓存时间

Silence Period：推送最低间隔时间。例如我有一个规则，1分钟会触发一次，当我把Silence Period配置为 3 时。那就是每3分钟发送一次请求到 hook

Hooks：向外界发送通知的方式 ，本质上都是 WebHook。

3. 表达式解析 service_sla_custom_rule: # service_sla 是一个在 `alarm-config.yaml` 中默认定义的指标，当然可以覆盖它。 # sum((service_sla / 100) < 90) 就是字面意思，服务SLA低于90% 的次数 # >= 4 是关键，表达式每分钟算一次（这是我看了文档后猜的，应该没问题）, 那这里就表示最近4分钟服务SLA都低于90% expression: sum((service_sla / 100) < 90) >= 4 # 字符串匹配写法 include-names: - 'dev::example|dev|' # 正则写法：所有dev组的 include-names-regex: '^dev::.*' # 表达式计算结果缓存时长，表达式每一分钟计算一次，我表达式中设置了>=4 # 所以period 应该设置一个大于4的值，这样能避免重复计算 period: 10 # 通知静默时长，如果服务有10分钟SLA是低于90的，那么m4的时候会提醒。 # 下一次本来是m5提醒的，我设置了2，所以等到m6再次计算表达式的时候才会在提醒 silence-period: 2 # 自定义 tags,key-value形式 tags: level: ERROR # 提醒文本，可以通过格式化插入参数 message: '服务 SLA 低于 90%' # 使用的通知方式，如果不填则选择默认hooks hooks: - '{hookType}.{hookName}' 4. 表达式定义实例 4.1 所有服务SLA在最近3分钟内小于100 service_success_rule: expression: sum((service_success / 100) < 100) >= 3 period: 5 silence-period: 5 message: '服务 SLA 低于 100%' 4.2 单接口SLA在最近3分钟内小于100 endpoint_sla_rule: expression: sum((endpoint_sla / 100) < 100) >= 3 include-names: - 'GET:/test/custom1 in dev::example|dev|' period: 5 message: '此接口 SLA 低于 100%' 4.3 所有DB SLA 最近1分钟内小于100 database_access_sla_rule: expression: sum((database_access_sla / 100) < 100) >= 1 period: 3 message: 'DB SLA 低于 100%' 5. 定义配置 Hooks

实际测试下来，直接配置飞书会出现只有首次才会通知的情况。自己提供个Webhook在透传到飞书正常。猜测是Skywalking中集成飞书通知的模块有问题，这个待验证。

5.1 Webhook

Alerting | Apache SkyWalking

自定义的接口

@RestController @RequestMapping("/alerting") public class AlertingController { // 我用的是lark，用飞书得改下host private final static String WEBHOOK_URL = " open.larksuite /open-apis/bot/v2/hook/<token>"; @Resource private RestTemplate restTemplate; @PostMapping("skywalking") public void alert(@RequestBody List<AlarmMessage> alarmMessageList) { alarmMessageList.parallelStream().forEach(alarmMessage -> { String text = "Apache SkyWalking Alarm:\n\n" + alarmMessage.getScope() + ": " + alarmMessage.getName() + "\n\n" + alarmMessage.getAlarmMessage(); ImmutableMap<String, Object> body = ImmutableMap.of( "msg_type", "text", "content", ImmutableMap.of("text", text) ); restTemplate.postForEntity(WEBHOOK_URL, body, String.class); }); } // github /apache/skywalking/blob/master/oap-server/server-core/src/main/java/org/apache/skywalking/oap/server/core/alarm/AlarmMessage.java @Getter @Setter @JsonNaming(PropertyNamingStrategy.LowerCaseStrategy.class) public static class AlarmMessage { private int scopeId; private String scope; private String name; private String id0; private String id1; @JsonAlias("ruleName") private String ruleName; @JsonAlias("alarmMessage") private String alarmMessage; private List<Tag> tags; @JsonAlias("startTime") private long startTime; private transient int period; } @Getter @Setter public static class Tag { private String key; private String value; } }

在 alarm-config.yaml 中配置

hooks: webhook: default: # 定义这是默认的hook is-default: true urls: - http://localhost:8080/alerting/skywalking 5.2 飞书

创建机器人很简单的，基本上有手就行。

Alerting | Apache SkyWalking

自定义机器人使用指南 - 开发指南 - 开发文档 - Lark 开放平台 (larksuite )

飞书群机器人通知配置

hooks: feishu: default: text-template: |- { "msg_type": "text", "content": { "text": "Apache SkyWalking Alarm: \n\n%s" } } webhooks: - url: open.larksuite /open-apis/bot/v2/hook/<token> - secret: <secret> Ref

Alerting | Apache SkyWalking

skywalking.apache.org/docs/main/v9.7.0/en/api/metrics-query-expression

Analysis Native Streaming Traces and Service Mesh Traffic | Apache SkyWalking

skywalking/docs/en/setup/backend/backend-alarm.md at master · apache/skywalking (github ) skywalking/docs/en/api/metrics-query-expression.md at master · apache/skywalking (github ) 自定义机器人使用指南 - 开发指南 - 开发文档 - Lark 开放平台 (larksuite )

Table of Agent Configuration Properties | Apache SkyWalking