跳到主要内容

SkyWalking 告警规则配置

介绍​

SkyWalking的告警系统是其可观测性功能的核心部分，允许您定义规则来监控应用性能指标，并在满足特定条件时触发告警。通过配置告警规则，您可以及时发现潜在问题，比如响应时间过长或错误率过高，从而快速响应。

告警规则基于指标表达式和触发条件，支持多种通知方式（如Webhook、Slack、邮件等）。本章将详细介绍如何配置这些规则。

告警规则基础​

告警规则文件通常位于SkyWalking的配置目录中（如 config/alarm-settings.yml）。一个完整的告警规则包含以下部分：

  1. 规则名称：唯一标识符。
  2. 指标表达式：基于SkyWalking的指标语法（如 service_resp_time > 1000）。
  3. 触发条件：持续多久触发告警（如 period: 10 表示10分钟内持续满足条件）。
  4. 告警级别（可选）：如 CRITICAL、WARNING。
  5. 通知方式：配置接收告警的渠道。
提示

SkyWalking的指标表达式支持多种内置函数（如 avg、percentile），可灵活组合。

配置示例​

以下是一个典型的告警规则配置（alarm-settings.yml）：

rules:
  service_resp_time_rule:
    metrics-name: service_resp_time
    op: ">"
    threshold: 1000
    period: 10
    count: 3
    silence-period: 5
    message: 服务 {name} 的平均响应时间超过1秒（当前值：{value}ms）
  service_error_rate_rule:
    metrics-name: service_error_rate
    op: ">"
    threshold: 0.1
    period: 5
    message: 服务 {name} 的错误率超过10%（当前值：{value}）

字段说明：​

  • metrics-name：监控的指标名称（如 service_resp_time）。
  • op：比较运算符（>、<、=）。
  • threshold：阈值。
  • period：评估周期（分钟）。
  • count：触发告警前需满足条件的次数。
  • silence-period：告警静默期（分钟），避免重复通知。

实际案例​

案例1：监控慢查询​

假设需要监控某个数据库服务的慢查询（响应时间 > 2秒）：

rules:
  slow_db_query_rule:
    metrics-name: service_resp_time
    op: ">"
    threshold: 2000
    period: 15
    tags:
      service: "mysql-service"
    message: 数据库服务 {name} 出现慢查询（当前值：{value}ms）

案例2：高错误率告警​

当服务的HTTP错误率超过5%时触发：

rules:
  high_error_rate_rule:
    metrics-name: service_error_rate
    op: ">"
    threshold: 0.05
    period: 5
    tags:
      service: "payment-service"
    message: 支付服务 {name} 错误率异常（当前值：{value}%）

通知配置​

告警通知可通过Webhook发送到外部系统（如钉钉或企业微信）：

webhooks:
  - url: "https://your-webhook-url"
    secret: "your-secret-key"
备注

SkyWalking还支持邮件、Slack等通知方式。详细配置参考官方文档。

调试与验证​

  1. 日志检查：SkyWalking OAP日志（logs/oap.log）会记录告警触发事件。
  2. 模拟测试：通过压测工具生成异常指标，验证告警是否触发。
  3. Dashboard：在SkyWalking UI的「告警」选项卡查看历史记录。

总结​

  • 告警规则通过 alarm-settings.yml 文件配置。
  • 核心字段包括指标表达式、阈值和触发条件。
  • 支持多通知渠道（Webhook、邮件等）。
  • 实际场景中需结合业务需求调整阈值和静默期。

下一步​

  1. 练习：尝试为您的服务配置一个内存使用率告警规则。
  2. 扩展阅读：