如何解決Prometheus的告警管理問題？

Prometheus發(fā)展到今天，已經(jīng)全面接管了 K8s 上的監(jiān)控體系，形成了一套以它為核心的統(tǒng)一方案，但監(jiān)控依然是云原生領域非常讓人頭疼的問題之一。

一方面是因為監(jiān)控非常重要，直接關(guān)系到應用的高效、平穩(wěn)運行；另一方面，云原生使監(jiān)控更加復雜了，除了業(yè)務方面，集群、節(jié)點、Service、Pod 等等維度眾多，并且還要應對短時間內(nèi)不斷變化的現(xiàn)實，同時還面臨降低資源開銷的挑戰(zhàn)。

?

拿告警來說，現(xiàn)實困境包括：

• 沒有告警：系統(tǒng)裝箱過度，導致節(jié)點 CPU 100%，業(yè)務已崩而調(diào)度器還在不停調(diào)度Pod；

• 海量告警=沒有告警：一天 200 個告警電話，處理一個告警的時候同時又收到10個告警；

• 可自愈的告警不該告警：周末背著電腦和朋友聚餐，接到告警電話立馬處理，登錄系統(tǒng)后發(fā)現(xiàn)已經(jīng)自動恢復，關(guān)上電腦結(jié)果又出現(xiàn)告警…

?

在具體的監(jiān)控指標規(guī)劃上，業(yè)界通用的兩個原則是 USE 和 RED 。

?

從資源監(jiān)控指標來看，如節(jié)點和容器的資源使用情況等等，需要考慮利用率（Utilization），資源被有效利用起來提供服務的平均時間占比；飽和度（Saturation），資源擁擠的程度，比如工作隊列的長度；錯誤率（Errors），錯誤的數(shù)量。

從服務監(jiān)控指標來看，比如 kube-apiserver 或者某個應用的工作情況，要考慮每秒請求數(shù)量（Rate）、每秒錯誤數(shù)量（Errors）、服務響應時間（Duration）。

?

怎么樣，是不是感覺實現(xiàn)起來復雜度挺高的？

今天給你推薦一個監(jiān)控方面的優(yōu)質(zhì)公開課：Prometheus 監(jiān)控體系構(gòu)建：架構(gòu)設計與告警實現(xiàn)，騰訊技術(shù)專家孟凡杰原理+實操結(jié)合，幫你掃清監(jiān)控方面的障礙，掌握可復制的解決方案。

公號粉絲0元領??

添加后

獲取免費報名鏈接和配套課件哦~

??本專題不適合學生群體

如有相關(guān)編程經(jīng)驗可酌情考慮

另外，公號粉絲還加贈

云原生領域經(jīng)典電子書

及Prometheus拓展學習文檔

千萬別錯過！

?

公開課里含2節(jié)視頻課，8大內(nèi)容要點，包括以 Prometheus 為核心的監(jiān)控系統(tǒng)的架構(gòu)設計以及如何實現(xiàn)有效告警。讓你在建立對監(jiān)控體系的整體認知基礎上進一步實操，對企業(yè)級的應用做到心中有數(shù)。

如果你存在以下困惑都建議你來學習一下：

• 對 Prometheus 上手難有怨言

• 對通過修改配置文件來管理 Prometheus 的方式有痛點

• 對因為數(shù)據(jù)量過大而無法擴展您的 Prometheus 感到有困擾

• 在生產(chǎn)環(huán)境運行多套 Prometheus 集群面臨管理和使用上的不便

• 在企業(yè)數(shù)字化轉(zhuǎn)型過程中對于如何架構(gòu)適合您的云原生監(jiān)控方案有困惑