基于 Prometheus+Grafana+Alertmanager+Webhook-dingtalk 搭建指标监控告警系统

文章目录

• • 环境说明
  • 指标数据采集存储端
  • • 1. prometheus 部署
    • 2. node_exporter 部署（主机监控）
    • 3. dmdb_exporter 部署（达梦数据库监控）
    • 4. prometheus 配置
    • 5. prometheus web端说明
  • 可视化展示端
  • • 1. grafana 部署
    • 2. grafana 使用
  • 告警通知端
  • • 1. alertmanager 部署
    • 2. 告警规则配置
    • 3. 告警信息推送
    • 4. webhook_dingtalk 部署
    • 5. 告警通知模版配置
    • 6. 创建告警机器人
    • 7. 告警信息发布钉钉配置

基于Prometheus、Grafana、Alertmanager、Webhook-dingtalk搭建一套指标监控告警系统，整个系统分为三部分：指标数据采集存储端、可视化展示端、告警通知端。实现对服务器、数据库、应用服务等资源的指标监控、可视化展示、指标告警等功能，同时告警通知信息实时推送到钉钉群中。

环境说明

指标数据采集存储端

1. prometheus 部署

下载地址：https://prometheus.io/download/

1. 解压安装

tar -zxvf prometheus-2.50.1.linux-amd64.tar.gz -C /home
cd /home
mv prometheus-2.50.1.linux-amd64 prometheus

2. 配置系统服务

vim /usr/lib/systemd/system/prometheus.service

• 写入

[Unit]
Description=prometheus
After=network.target

[Service]
Type=simple
User=root
ExecStart=/home/prometheus/prometheus \
--config.file=/home/prometheus/prometheus.yml \
--storage.tsdb.path=/home/prometheus \
--storage.tsdb.retention=15d \
--log.level=info            
Restart=on-failure

[Install]
WantedBy=multi-user.target

3. 启动服务

systemctl daemon-reload 
systemctl start prometheus 
systemctl enable prometheus

4. 访问地址

http://部署主机IP:9090

2. node_exporter 部署（主机监控）

下载地址：https://prometheus.io/download/

1. 解压安装

tar -zxvf node_exporter-1.7.0.linux-amd64.tar.gz -C /usr/local
cd /usr/local
mv node_exporter-1.7.0.linux-amd64 /usr/local/node_exporter

2. 配置系统服务

vim /usr/lib/systemd/system/node_exporter.service

• 写入

[Unit]
Description=node_exporter
Documentation=https://prometheus.io/
After=network.target

[Service]
Type=simple
User=root
ExecStart=/usr/local/node_exporter/node_exporter
Restart=on-failure

[Install]
WantedBy=multi-user.target

3. 启动服务

systemctl daemon-reload 
systemctl start node_exporter 
systemctl enable node_exporter

3. dmdb_exporter 部署（达梦数据库监控）

下载地址：https://github.com/clong365/dmdb_exporter

• 说明：dmdb_exporter需要下载源码，编译后进行部署，需要安装go语言环境。

1. 环境检查

go env

2. 编译打包

go build -o dmdb_exporter

3. 打包完成后，需要将目录下生成的二进制文件dmdb_exporter和default-metrics.toml都上传到服务器进行启动。

cd /usr/local/dmdb_exporter
chmod +x dmdb_exporter

目录结构如下：

4. 配置系统服务

注意：这里需要在配置文件中，配置达梦数据库的连接信息。

vim /usr/lib/systemd/system/dmdb_exporter.service

• 写入

[Unit]
Description=dmdb_exporter
After=network.target

[Service]
# 配置环境变量，这里需要配置DM数据库的连接信息
Environment=DATA_SOURCE_NAME=dm://SYSDBA:SYSDBA@localhost:5236?autoCommit=true

# 启动脚本
ExecStart=/usr/local/dmdb_exporter/dmdb_exporter  \
--log.level=info \
--default.metrics=/usr/local/dmdb_exporter/default-metrics.toml \
--web.listen-address=:9161
Restart=always
RestartSec=5
StartLimitInterval=0
StartLimitBurst=10

[Install]
WantedBy=multi-user.target

5. 启动服务

systemctl daemon-reload 
systemctl start dmdb_exporter
systemctl enable dmdb_exporter

4. prometheus 配置

1. 全局参数说明

配置文件路径： /home/prometheus/prometheus.yml

2. node_exporter 数据接入

vim /home/prometheus/prometheus.yml

• 新增job空间，配置采集端信息

scrape_configs:
  - job_name: "node_exporter"
    static_configs:
      - targets: ["192.168.0.15:9100"]
        labels:
          server_ip: 192.168.0.15 
          server_name: 测试环境-数据库服务器
      - targets: ["192.168.0.16:9100"]
        labels:
          server_ip: 192.168.0.16 
          server_name: 测试环境-数据库服务器

3. dmdb_exporter 数据接入

vim /home/prometheus/prometheus.yml

• 新增job空间，配置采集端信息

  # 达梦数据库数据采集
  - job_name: "dmdb_exporter"
    static_configs:
      - targets: ["192.168.0.16:9161"]
        labels:
          server_ip: 192.168.0.16
          server_name: 测试环境-达梦数据库
      - targets: ["192.168.0.15:9161"]
        labels:
          server_ip: 192.168.0.15
          server_name: 测试环境-达梦数据库

5. prometheus web端说明

1. 监控目标查看

2. 指标查询

可视化展示端

1. grafana 部署

下载地址：https://grafana.com/grafana/download

1. 解压安装

tar -zxvf grafana-enterprise-10.2.4.linux-amd64.tar.gz -C /home
cd /home
mv grafana-enterprise-10.2.4.linux-amd64 grafana

2. 配置系统服务

vim /usr/lib/systemd/system/grafana.service

• 写入

[Unit]
Description=Grafana instance
After=network.target

[Service]
Type=simple
# 工作目录
WorkingDirectory=/home/grafana/
ExecStart=/home/grafana/bin/grafana-server
Restart=always

[Install]
WantedBy=multi-user.target

3. 启动服务

systemctl daemon-reload 
systemctl start grafana
systemctl enable grafana

2. grafana 使用

访问地址：部署主机IP:3000

• 默认账号密码为： admin/admin
• 配置文件目录：/home/grafana/grafana.ini

1. 中文配置
   首页>管理>概况>默认首选项
   

2. 添加数据源

• 首页>连接>数据源>prometheus
• 填写数据源名称和prometheus地址即可，其他信息默认。
  

3. 导入仪表盘

• 官方仪表盘地址：https://grafana.com/grafana/dashboards/
• 推荐仪表盘ID：主机列表-8919、主机详情-12633、DM数据库-19109
• 首页>仪表板

告警通知端

1. alertmanager 部署

下载地址：https://prometheus.io/download/

1. 解压部署

tar -zxvf alertmanager-0.27.0.linux-amd64.tar.gz -C /home
cd /home
mv alertmanager-0.27.0.linux-amd64 alertmanager

2. 配置系统服务

vim /usr/lib/systemd/system/alertmanager.service

• 写入

[Unit]
Description=alertmanager
After=network.target

[Service]
Type=simple
ExecStart=/home/alertmanager/alertmanager \
--config.file /home/alertmanager/alertmanager.yml \
--storage.path=/home/alertmanager
Restart=on-failure

[Install]
WantedBy=multi-user.target

3. 启动服务

systemctl daemon-reload 
systemctl start alertmanager
systemctl enable alertmanager

4. 访问地址

http://部署主机IP:9093

2. 告警规则配置

告警规则在prometheus中配置，通过添加配置文件的形式。

1. 创建告警规则存放路径

mkdir -p /home/prometheus/rules

2. 配置主机告警规则文件

vim /home/prometheus/rules/node_exporter.yml

• 写入

# 相关的规则设置定义在一个group下。在每一个group中我们可以定义多个告警规则(rule)
groups:
  # 组名,报警规则组名称
- name: 内存告警
  rules:
  - alert: 内存使用率超过80%告警
    # expr：基于PromQL表达式告警触发条件，用于计算是否有时间序列满足该条件。
    #expr: floor(100 * (1 - (node_memory_MemFree_bytes + node_memory_Cached_bytes + node_memory_Buffers_bytes) / node_memory_MemTotal_bytes)) > 80
    expr: floor(100 * (1 - (node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes))) > 80
    # for：评估等待时间，可选参数。用于表示只有当触发条件持续一段时间后才发送告警。在等待期间新产生告警的状态为pending。
    # for语句会使 Prometheus 服务等待指定的时间, 然后执行查询表达式。（for 表示告警持续的时长，若持续时长小于该时间就不发给alertmanager了，大于该时间再发。for的值不要小于prometheus中的scrape_interval，例如scrape_interval为30s，for为15s，如果触发告警规则，则再经过for时长后也一定会告警，这是因为最新的度量指标还没有拉取，在15s时仍会用原来值进行计算。另外，要注意的是只有在第一次触发告警时才会等待(for)时长。）
    for: 1m
    # labels：自定义标签，允许用户指定要附加到告警上的一组附加标签。
    labels:
      # severity: 指定告警级别,有三种等级,分别为：警告、严重、紧急，严重等级依次递增。
      severity: '警告'
    # annotations: 附加信息，比如用于描述告警详细信息的文字等，annotations的内容在告警产生时会一同作为参数发送到Alertmanager。
    annotations:
      servername: "{{ $labels.server_name }}"
      server_ip: "{{ $labels.server_ip }}"
      value: "{{ $value }}"
      description: "**{{ $labels.server_name }}**内存使用率持续1分钟超过**80%**, 请及时处理! 当前值**{{ $value }}%**。"

  - alert: 内存使用率超过90%告警
    expr: floor(100 * (1 - (node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes))) > 90
    for: 1m
    labels:
      severity: '严重'
    annotations:
      servername: "{{ $labels.server_name }}"
      server_ip: "{{ $labels.server_ip }}"
      value: "{{ $value }}"
      description: "**{{ $labels.server_name }}**内存使用率持续1分钟超过**90%**, 请马上处理! 当前值**{{ $value }}%**。"

- name: CPU告警
  rules:
  - alert: CPU使用率超过80%告警
    expr: floor(100 - (avg by(instance) (irate(node_cpu_seconds_total{mode="idle"}[1m])) * 100)) > 80
    for: 1m
    labels:
      severity: '警告'
    annotations:
      servername: "{{ $labels.server_name }}"
      server_ip: "{{ $labels.server_ip }}"
      value: "{{ $value }}"
      description: "**{{ $labels.server_name }}**CPU使用率持续1分钟超过**80%**, 请及时处理! 当前值**{{ $value }}%**。"

  - alert: CPU使用率超过90%告警
    expr: floor(100 - (avg by(instance) (irate(node_cpu_seconds_total{mode="idle"}[1m])) * 100)) > 90
    for: 1m
    labels:
      severity: '严重'
    annotations:
      servername: "{{ $labels.server_name }}"
      server_ip: "{{ $labels.server_ip }}"
      value: "{{ $value }}"
      description: "**{{ $labels.server_name }}**CPU使用率持续1分钟超过**90%**, 请马上处理! 当前值**{{ $value }}%**。"

- name: 磁盘告警
  rules:
  - alert: 磁盘 **/** 目录使用率超过90%告警
    expr: floor(100 * ((node_filesystem_size_bytes{mountpoint="/"} - node_filesystem_avail_bytes{mountpoint="/"}) / node_filesystem_size_bytes{mountpoint="/"})) >90
    for: 30m
    labels:
      severity: '警告'
    annotations:
      servername: "{{ $labels.server_name }}"
      server_ip: "{{ $labels.server_ip }}"
      value: "{{ $value }}"
      description: "**{{ $labels.server_name }}**磁盘 **/** 目录使用率已经超过阈值**90%**, 请及时处理! 当前值**{{ $value }}%**。"

  - alert: 磁盘 **/home** 目录使用率超过90%告警
    expr: floor(100 * ((node_filesystem_size_bytes{mountpoint="/home"} - node_filesystem_avail_bytes{mountpoint="/home"}) / node_filesystem_size_bytes{mountpoint="/home"})) >90
    for: 30m
    labels:
      severity: '警告'
    annotations:
      servername: "{{ $labels.server_name }}"
      server_ip: "{{ $labels.server_ip }}"
      value: "{{ $value }}"
      description: "**{{ $labels.server_name }}**磁盘 **/home** 目录使用率已经超过阈值**90%**, 请及时处理! 当前值**{{ $value }}%**。"

  - alert: 磁盘 **/data** 目录使用率超过90%告警
    expr: floor(100 * ((node_filesystem_size_bytes{mountpoint="/data"} - node_filesystem_avail_bytes{mountpoint="/data"}) / node_filesystem_size_bytes{mountpoint="/data"})) >90
    for: 30m
    labels:
      severity: '警告'
    annotations:
      servername: "{{ $labels.server_name }}"
      server_ip: "{{ $labels.server_ip }}"
      value: "{{ $value }}"
      description: "**{{ $labels.server_name }}**磁盘 **/data** 目录使用率已经超过阈值**90%**, 请及时处理! 当前值**{{ $value }}%**。"

  - alert: 磁盘 **/data1** 目录使用率超过90%告警
    expr: floor(100 * ((node_filesystem_size_bytes{mountpoint="/data1"} - node_filesystem_avail_bytes{mountpoint="/data1"}) / node_filesystem_size_bytes{mountpoint="/data1"})) >90
    for: 30m
    labels:
      severity: '警告'
    annotations:
      servername: "{{ $labels.server_name }}"
      server_ip: "{{ $labels.server_ip }}"
      value: "{{ $value }}"
      description: "**{{ $labels.server_name }}**磁盘 **/data1** 目录使用率已经超过阈值**90%**, 请及时处理! 当前值**{{ $value }}%**。"

  - alert: 磁盘 **/postgres** 目录使用率超过90%告警
    expr: floor(100 * ((node_filesystem_size_bytes{mountpoint="/postgres"} - node_filesystem_avail_bytes{mountpoint="/postgres"}) / node_filesystem_size_bytes{mountpoint="/postgres"})) >90
    for: 30m
    labels:
      severity: '警告'
    annotations:
      servername: "{{ $labels.server_name }}"
      server_ip: "{{ $labels.server_ip }}"
      value: "{{ $value }}"
      description: "**{{ $labels.server_name }}**磁盘 **/postgres** 目录使用率已经超过阈值**90%**, 请及时处理! 当前值**{{ $value }}%**。"

- name: 离线告警
  rules:
  - alert: 服务器离线告警
    expr: up{instance =~ ".*:(9100|9200)"} == 0
    for: 30s
    labels:
      severity: '紧急'
    annotations:
      servername: "{{ $labels.server_name }}"
      server_ip: "{{ $labels.server_ip }}"
      value: "{{ $value }}"
      description: "**{{ $labels.server_name }}**离线了，可能出现宕机情况, 请立即检查处理! "

3. 配置DM数据库告警规则文件

vim /home/prometheus/rules/dmdb_exporter.yml

• 写入

groups:
- name: 达梦数据库告警
  rules:
  - alert: 达梦数据库离线告警
    expr: dmdb_up{instance =~ ".*:9161"} == 0
    for: 30s
    labels:
      severity: '严重'
    annotations:
      servername: "{{ $labels.server_name }}"
      server_ip: "{{ $labels.server_ip }}"
      value: "{{ $value }}"
      description: "**{{ $labels.server_name }}**服务离线了，可能出现数据库停止情况, 请马上检查处理! "

3. 告警信息推送

1. 修改prometheus.yml文件

• 修改完成后需要重启prometheus服务
  

2. 告警规则查看

• 访问prometheusweb端查看配置的规则
  

3. 告警信息查看

• 访问alertmanagerweb端查看触发的告警

4. webhook_dingtalk 部署

下载地址：https://github.com/timonwong/prometheus-webhook-dingtalk

1. 解压安装

tar -zxvf prometheus-webhook-dingtalk-2.1.0.linux-amd64.tar.gz -C /home
cd /home
mv prometheus-webhook-dingtalk-2.1.0.linux-amd64 prometheus-webhook-dingtalk

2. 配置系统服务

vim /usr/lib/systemd/system/prometheus-webhook-dingtalk.service

• 写入

[Unit]
Description=The prometheus webhook dingtalk
After=network-online.target
Wants=network-online.target

[Service]
WorkingDirectory=/home/prometheus-webhook-dingtalk
ExecStart=/home/prometheus-webhook-dingtalk/prometheus-webhook-dingtalk \
--config.file=config.yml \
--web.enable-lifecycle \
--web.enable-ui

KillSignal=SIGQUIT

Restart=always

RestartPreventExitStatus=1 6 SIGABRT

TimeoutStopSec=5
KillMode=process
PrivateTmp=true
LimitNOFILE=1048576
LimitNPROC=1048576

[Install]
WantedBy=multi-user.target

3. 启动服务

systemctl daemon-reload 
systemctl start prometheus-webhook-dingtalk
systemctl enable prometheus-webhook-dingtalk

4. 访问地址

http://部署主机IP:8060/ui

5. 告警通知模版配置

1. 创建模版存放目录

mkdir -p /home/prometheus-webhook-dingtalk/templates

2. 配置模版文件

vim /home/prometheus-webhook-dingtalk/templates/template2.tmpl

• 写入

{{ define "__subject" }}
[{{ .Status | toUpper }}{{ if eq .Status "firing" }}:{{ .Alerts.Firing | len }}{{ end }}]
{{ end }}
  
{{ define "__alert_list" }}{{ range . }}
---
{{ if .Labels.owner }}@{{ .Labels.owner }}{{ end }}
---
   **告警名称**: {{ .Labels.alertname }}

   **告警主机**: {{ .Labels.server_ip }} 

   **告警级别**: {{ .Labels.severity }} 

   **告警描述**: {{ index .Annotations "description" }} 

   **告警时间**: {{ dateInZone "2006.01.02 15:04:05" (.StartsAt) "Asia/Shanghai" }}

   **查看详情**: http://192.168.0.22:3000
{{ end }}{{ end }}
 
{{ define "__resolved_list" }}{{ range . }}
---
   **告警名称**: {{ .Labels.alertname }}

   **告警主机**: {{ .Labels.server_ip }}

   **告警级别**: {{ .Labels.severity }}

   **告警描述**: {{ index .Annotations "description" }}

   **告警时间**: {{ dateInZone "2006.01.02 15:04:05" (.StartsAt) "Asia/Shanghai" }}

   **恢复时间**: {{ dateInZone "2006.01.02 15:04:05" (.EndsAt) "Asia/Shanghai" }}
{{ end }}{{ end }}
 
 
{{ define "default.title" }}
{{ template "__subject" . }}
{{ end }}
 
{{ define "default.content" }}
{{ if gt (len .Alerts.Firing) 0 }}
**====== 侦测到{{ .Alerts.Firing | len  }}个告警 ======**
{{ template "__alert_list" .Alerts.Firing }}
---
{{ end }}
 
{{ if gt (len .Alerts.Resolved) 0 }}
**====== 恢复{{ .Alerts.Resolved | len  }}个故障 ======**
{{ template "__resolved_list" .Alerts.Resolved }}
{{ end }}
{{ end }}
 
 
{{ define "ding.link.title" }}{{ template "default.title" . }}{{ end }}
{{ define "ding.link.content" }}{{ template "default.content" . }}{{ end }}
{{ template "default.title" . }}
{{ template "default.content" . }}

6. 创建告警机器人

1. 在钉钉上建一个告警通知群
2. 添加一个告警机器人

3. 填写以下内容，并复制出加签后生成的码
   

4. 复制Webhook 地址

7. 告警信息发布钉钉配置

1. 修改alertmanager.yml文件，修改配置后需要重启alertmanager服务。

vim /home/alertmanager/alertmanager.yml

• 如下

# 这个部分定义了警报路由规则，指定了如何处理不同类型的警报。
route:   
  # 根据警报名称（alertname）对警报进行分组，这意味着具有相同警报名称的警报将被分组在一起.
  group_by: ['alertname']
  
  # 在相同组内的警报被发送到接收器之前等待的时间。在这里，设置为30秒，意味着在同一组中的所有警报被收集后，将等待30秒，然后将它们发送到接收器。
  group_wait: 30s
  
  # 组间发送警报的时间间隔。在这里，设置为30秒，意味着每隔30秒发送一次警报。
  group_interval: 30s
  
  # 如果警报持续存在，多长时间重复发送一次。在这里，设置为1小时，意味着如果警报持续存在，则每隔1小时重复发送一次。
  repeat_interval: 1h
  
  # 指定接收警报的接收器的名称。在这里，设置为名为 `web.hook` 的接收器。
  receiver: 'web.hook'
 
# 这个部分定义了接收警报的接收器。
receivers:   
  # 接收器的名称，这个名称与上面的路由规则中指定的接收器名称相匹配。
  - name: 'web.hook'
    # 配置用于发送警报的 Webhook 信息。
    webhook_configs:
      # 指定接收警报的 Webhook 的 URL 地址，即 webhook_dingtalk 地址，只需修改IP和端口 
      - url: 'http://192.168.0.2:8060/dingtalk/webhook1/send'
        # 设置为 false，表示不发送已解决的警报。
        send_resolved: false
        
# 这个部分定义了抑制规则，用于指定哪些警报应该被抑制，以避免出现重复或不必要的警报。
inhibit_rules:
  # 指定了要匹配的源警报的属性。
  - source_match:
      severity: 'critical'
    # 指定了要匹配的目标警报的属性。
    target_match:
      severity: 'warning'
    # 指定了在这两种类型的警报中匹配的属性列表。在这里，设置为匹配警报名称、开发环境和实例。这意味着当源警报和目标警报都具有相同的警报名称、开发环境和实例时，目标警报将被抑制。
    equal: ['alertname', 'dev', 'instance']

2. 配置webhook-dingtalk配置文件，配置完成要重启prometheus-webhook-dingtalk服务

/home/prometheus-webhook-dingtalk/config.yml

• 如下

# 请求超时时间
# timeout: 5s

# 禁用内置的模板，内置模板通常是在生成警报消息时使用的默认模板。
#no_builtin_template: true

# 这个部分定义了警报消息的模板文件路径。在这里，使用了两个模板文件
templates:
  - templates/template1.tmpl
  - templates/template2.tmpl

## You can also override default template using `default_message`
## The following example to use the 'legacy' template from v0.3.0
#default_message:
#  title: '{{ template "legacy.title" . }}'
#  text: '{{ template "legacy.content" . }}'

# 这个部分定义了目标（或称为 "profiles"）。在这个配置中，有一个名为 `webhook1` 的目标，它定义了如何将警报发送到指定的 Webhook URL。
targets:
  webhook1:
    # 指定了接收警报的 Webhook 的 URL 地址，这里是钉钉机器人的 Webhook URL。
    url: https://oapi.dingtalk.com/robot/send?access_token=1cf9783fa8533cb4c7fc14b6a49994265b8f7a761
    # 如果需要对发送的消息进行签名，可以指定一个密钥（secret），这个密钥用于生成消息的签名，以确保消息的完整性和安全性，这里是钉钉机器人的密钥（secret）。
    secret: SEC071b965b933794a3f5a39349ef9538a81b1412776
    # 定义了要发送的消息内容，这里使用了两个模板，即之前配置好的模版。
    message:
      # 指定了消息的标题，使用模板 `ding.link.title` 来生成。
      title: '{{ template "ding.link.title" . }}'
      # 指定了消息的正文内容，使用模板 `ding.link.content` 来生成。
      text: '{{ template "ding.link.content" . }}'

3. 配置完成后，重启prometheus-webhook-dingtalk服务，访问 prometheus-webhook-dingtalkweb端查看模版是否生效

4. 模版生效后，在产生告警时会将告警信息发布到钉钉群中。效果如下：

• 查看详情可以配置成grafana的地址