跳到主要内容

SkyWalking 默认告警规则

介绍​

SkyWalking的告警系统是一个核心功能，它通过预定义的规则自动检测服务、实例和端点的异常行为。默认告警规则是开箱即用的配置，覆盖了常见的监控场景，如响应时间超长、错误率过高等。本章将详细解析这些规则的结构、触发逻辑及实际应用。

默认告警规则解析​

SkyWalking的默认告警规则存储在 config/alarm-settings.yml 文件中，主要包含以下类型：

  1. 服务响应时间规则：监控服务的平均响应时间是否超过阈值。
  2. 服务错误率规则：检测服务的请求错误率是否异常。
  3. 实例心跳丢失规则：判断实例是否停止上报数据（可能已崩溃）。

示例规则片段​

yaml
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"
  • metrics-name: 监控的指标名称（如 service_resp_time）。
  • op: 比较操作符（如 >）。
  • threshold: 触发阈值（单位：毫秒）。
  • period: 评估周期（分钟）。
  • count: 连续触发次数。
  • silence-period: 静默期（分钟），避免重复告警。
备注

修改告警规则后需重启SkyWalking OAP服务生效。

实际案例​

场景：电商服务超时告警​

假设有一个订单服务，默认规则配置如下：

yaml
rules:
  order_service_rule:
    metrics-name: service_resp_time
    op: ">"
    threshold: 2000
    period: 5
    count: 2
    message: "订单服务响应时间超过2秒"

当订单服务在5分钟内连续2次平均响应时间超过2秒时，SkyWalking会触发告警并通知配置的Webhook或邮件。

告警规则工作流程​

总结​

SkyWalking的默认告警规则提供了基础监控能力，开发者可通过修改 alarm-settings.yml 自定义规则。关键点：

  • 理解阈值、周期和静默期的关系
  • 结合业务需求调整规则参数
  • 通过日志或Webhook接收告警

扩展练习​

  1. 尝试修改默认规则，将错误率阈值从默认的0.01调整为0.05。
  2. 配置一个Webhook接收器，将告警信息发送到自定义API。

附加资源​