配置告警

为了保证集群和应用程序的健康,提高组织的生产力,您需要随时了解集群和项目里计划内和计划外发生的事件。发生事件时,将触发您的告警,并向您发送通知。然后,您可以根据需要采取应对措施。

通知和告警功能是基于 Prometheus Alertmanager 的。利用这些工具,Rancher 可以通知集群所有者项目所有者有需要处理的告警。

在接收告警之前,必须在 Rancher 中配置一个或多个通知接收者。

创建集群时,Rancher 已经配置了一些内置的告警规则。为它们配置接收者后就能收到相应告警。

有关触发内置告警的详细信息,请参阅内置告警

告警示例

  • Kubernetes 组件进入不健康状态。
  • 节点或者工作负载发生错误。
  • 部署可以正常被调度。
  • 节点的硬件资源过分紧张。

Prometheus 表达式

先决条件: 监控必须被启用,您才能使用自定义 Prometheus 查询或表达式触发告警。

当您编辑告警规则时,您将有机会根据 Prometheus 表达式配置要触发的告警。有关表达式的示例,请参考本页

紧急程度

您可以为每个告警设置紧急程度。您收到的通知中会包含紧急程度,可帮助您决定响应操作的优先级。例如,如果您配置了告警以通知您例行部署,无需执行任何操作。这些告警可以设置为低优先级。但是,如果部署失败,将严重影响您的组织,需要您快速做出反应。所以需要为这些告警配置高优先级。

告警层级

告警包含集群级别和项目级别告警

在集群级别,Rancher 监控 Kubernetes 集群中的组件,并向您发送与以下内容有关的告警:

  • 节点状态
  • 管理 Kubernetes 集群的系统组件
  • 对应 Kubernetes 资源发生的事件
  • Prometheus 表达式越过阈值

添加一个集群级别的告警

作为集群所有者,您可以配置 Rancher 向您发送有关集群事件的告警。

前提: 在收到集群告警之前,您必须添加接收者

  1. 全局 视图,进入您需要配置告警的集群。选择 工具 > 告警。然后点击 添加告警组

  2. 输入 名称 及本条告警的描述,您可以将告警按照不同目的分组。

  3. 根据您要创建的告警类型,查看以下对应操作。

    • 系统组件告警

      此告警类型监控 Kubernetes 系统组件状态,无论组件在哪个节点上。

      1. 选择 系统服务 选项,然后从下拉列表中选择一个选项。

      2. 选择告警的紧急程度。选项包括:

        • 危险:最紧急
        • 告警:正常紧急
        • 信息:最不紧急

        根据服务的重要性以及在集群中担任角色的节点数,选择紧急级别。例如,如果您要为etcd服务发出告警,请选择危险。如果您要提醒冗余调度程序,则告警更合适。

      3. 配置高级选项。默认情况下,以下选项将应用于组中的所有告警规则。您也可以在配置每一条规则时禁用继承来自告警组的高级选项配置,自定义每条规则的高级选项配置。

        • 告警组等待时长: 第一次发送告警信息前,等待时间,默认为 30 秒。
        • 告警组间隔时长: 在发送了第一次的告警之后有新告警产生时,等待是否有告警触发,经过这个时间后,可以把这段时间的告警批量发送给接受者,默认为 3 分钟。
        • 重复间隔: 发送两条相同的告警之间的时间间隔,默认为 1 小时。
    • 资源事件告警

      此告警类型监控指定资源类型上发生的事件。

      1. 选择触发告警的事件的类型。选项包括:

        • 正常: 在对应资源发生正常事件时触发告警
        • 告警: 在对应资源发生告警事件时触发告警
      2. 选择资源下拉列表中选择要触发告警的资源类型

      3. 选择告警的紧急程度。选项包括:

        • 危险: 最紧急
        • 告警: 正常紧急
        • 信息: 最不紧急

        通过考虑事件发生的频率或其重要性等因素来选择告警的紧急程度。例如:

        • 如果您为 Pod 设置了常规告警,则您可能会经常收到告警,并且 Pod 通常会自愈,因此,请选择信息作为紧急程度
        • 如果 StatefulSets 无法工作,则很可能无法自愈,因此,请选择危险作为紧急程度。
      4. 配置高级选项。默认情况下,以下选项将应用于组中的所有告警规则。您也可以在配置每一条规则时禁用继承来自告警组的高级选项配置,自定义每条规则的高级选项配置。

        • 告警组等待时长: 第一次发送告警信息前,等待时间,默认为 30 秒。
        • 告警组间隔时长: 在发送了第一次的告警之后有新告警产生时,等待是否有告警触发,经过这个时间后,可以把这段时间的告警批量发送给接受者,默认为 3 分钟。
        • 重复间隔: 发送两条相同的告警之间的时间间隔,默认为 1 小时。
    • 节点告警

      此告警类型监控特定节点的情况。

      1. 选择节点选项,然后从选择节点下拉列表中选择。

      2. 选择触发告警的情况。

        • 未就绪: 当节点无响应时发送告警。
        • CPU 使用率: 当节点的 CPU 分配超出所输入的百分比时发送告警。
        • 内存使用率: 当节点的内存分配百分比提高到输入百分比以上时发送告警。
      3. 选择告警的紧急程度。选项包括:

        • 危险: 最紧急
        • 告警: 正常紧急
        • 信息: 最不紧急

        根据告警对操作的影响来选择告警的紧急程度。例如,当节点的 CPU 提升到 60%以上时触发的告警,则认为紧急程度为信息,而节点为未就绪的节点则认为紧急程度为危险

      4. 配置高级选项。默认情况下,以下选项将应用于组中的所有告警规则。您也可以在配置每一条规则时禁用继承来自告警组的高级选项配置,自定义每条规则的高级选项配置。

        • 告警组等待时长: 第一次发送告警信息前,等待时间,默认为 30 秒。
        • 告警组间隔时长: 在发送了第一次的告警之后有新告警产生时,等待是否有告警触发,经过这个时间后,可以把这段时间的告警批量发送给接受者,默认为 3 分钟。
        • 重复间隔: 发送两条相同的告警之间的时间间隔,默认为 1 小时。
    • 节点选择器告警

      此告警类型监视在带有对应标签的任何节点的情况。详情参见 Kubernetes 文档中的标签

      1. 选择节点选择器选项,然后单击添加选择器以输入标签的键值对。该标签应用于一个或多个节点。可以添加任意数量的选择器。

      2. 选择触发告警的情况。

        • 未就绪: 当节点无响应时发送告警。
        • CPU 使用率: 当节点的 CPU 分配超出所输入的百分比时发送告警。
        • 内存使用率: 当节点的内存分配百分比提高到输入百分比以上时发送告警。
      3. 选择告警的紧急程度。选项包括:

        • 危险: 最紧急
        • 告警: 正常紧急
        • 信息: 最不紧急

        根据告警对操作的影响来选择告警的紧急程度。例如,当节点的 CPU 提升到 60%以上时触发的告警,则认为紧急程度为信息,而节点为未就绪的节点则认为紧急程度为危险

      4. 配置高级选项。默认情况下,以下选项将应用于组中的所有告警规则。您也可以在配置每一条规则时禁用继承来自告警组的高级选项配置,自定义每条规则的高级选项配置。

        • 告警组等待时长: 第一次发送告警信息前,等待时间,默认为 30 秒。
        • 告警组间隔时长: 在发送了第一次的告警之后有新告警产生时,等待是否有告警触发,经过这个时间后,可以把这段时间的告警批量发送给接受者,默认为 3 分钟。
        • 重复间隔: 发送两条相同的告警之间的时间间隔,默认为 1 小时。
    • 表达式告警

      此告警类型监控 Prometheus 表达式执行结果是否超过阈值,此功能需要启动监控。

      1. 输入或选择一个表达式,下拉列表显示 Prometheus 的原始指标表达式,包括:

      2. 选择 对比.

        • 等于: 当表达式值等于阈值时触发告警。
        • 不等于: 当表达式值不等于阈值时触发告警。
        • 大于: 当表达式值大于阈值时触发告警。
        • 小于: 当表达式值等于或小于阈值时触发告警。
        • 大于或等于: 当表达式值大于等于阈值时触发告警。
        • 大小于或等于: 当表达式值小于或等于阈值时触发告警。
      3. 输入 阈值,用于在表达式值超过阈值时触发告警。

      4. 选择一个持续时间,表达式值超过阈值持续时长达到配置时触发告警。

      5. 选择告警的紧急程度。选项包括:

        • 危险: 最紧急
        • 告警: 正常紧急
        • 信息: 最不紧急

        根据告警对操作的影响来选择告警的紧急级别。例如,当节点的负载表达式 sum(node_load5) / count(node_cpu_seconds_total{mode="system"}) 超过 0.6 时触发 信息级别告警,但是超过 1 时触发危险级别的告警。

      6. 配置高级选项。默认情况下,以下选项将应用于组中的所有告警规则。您也可以在配置每一条规则时禁用继承来自告警组的高级选项配置,自定义每条规则的高级选项配置。

        • 告警组等待时长: 第一次发送告警信息前,等待时间,默认为 30 秒。
        • 告警组间隔时长: 在发送了第一次的告警之后有新告警产生时,等待是否有告警触发,经过这个时间后,可以把这段时间的告警批量发送给接受者,默认为 3 分钟。
        • 重复间隔: 发送两条相同的告警之间的时间间隔,默认为 1 小时。
  4. 继续向该组添加更多的告警规则

  5. 最后,选择接收者

    • 您可以设置多个接收者。
    • 您可以更改接收者的收件人。

结果: 您的告警已配置。触发告警时发送通知。

管理集群告警

设置集群告警后,可以管理每个告警对象。要管理告警,进入对应的集群,然后选择工具>告警。您可以:

  • 停用/激活告警
  • 编辑告警配置
  • 删除不必要的告警
  • 告警静音
  • 取消告警静音
最后由 yzeng25更新 于