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和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. 从 全局 视图，进入您需要配置告警的集群。选择 工具 > 告警。然后单击 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。

        • controller-manager
        • etcd
        • scheduler

     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. 从选择资源下拉列表中选择要触发告警的资源类型

        • DaemonSet
        • Deployment
        • Node
        • Pod
        • StatefulSet

     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：

        • 节点
        • 容器
        • ETCD
        • Kubernetes 组件
        • Kubernetes 资源
        • Fluentd (日志中用到的)
        • 集群级别 Grafana
        • 集群级别 Prometheus

     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