普罗米修斯-告警规则

普罗米修斯告警规则是Prometheus监控系统中用于定义告警条件的核心配置，通过Alertmanager组件实现告警通知。告警规则基于PromQL查询表达式，当指标数据满足特定条件时触发告警。

告警规则基本结构

告警规则通常以YAML格式配置，包含以下关键字段：

复制代码

groups:
- name: example
  rules:
  - alert: HighRequestLatency
    expr: job:request_latency_seconds:mean5m{job="myjob"} > 0.5
    for: 10m
    labels:
      severity: page
    annotations:
      summary: "High request latency (instance {{ $labels.instance }})"
      description: "{{ $labels.job }} has a high request latency above 0.5s (current value: {{ $value }}s)"

核心配置参数

alert：告警名称，用于标识告警类型

expr：PromQL表达式，定义告警触发条件，例如：

up == 0：服务不可用
node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes * 100 < 10：内存使用率超过90%
rate(http_requests_total{code="500"}[5m]) / rate(http_requests_total[5m]) * 100 > 5：5xx错误率超过5%

for：持续时间，表示条件持续满足多长时间才触发告警，避免瞬时抖动

labels：标签集合，用于告警路由和分组，常见标签包括：

severity: critical/warning/info
team: devops/backend/frontend

annotations ：告警详情，支持模板变量，如{``{ $labels.instance }}、{``{ $value }}

常用告警规则示例

1. 服务可用性告警

复制代码

- alert: ServiceDown
  expr: up == 0
  for: 1m
  labels:
    severity: critical
  annotations:
    summary: "服务 {{ $labels.job }} 已下线"
    description: "实例 {{ $labels.instance }} 已超过1分钟不可用"

2. CPU使用率告警

复制代码

- alert: HighCpuUsage
  expr: 100 - (avg by(instance) (irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100) > 80
  for: 5m
  labels:
    severity: warning
  annotations:
    summary: "CPU使用率过高 (instance {{ $labels.instance }})"
    description: "CPU使用率超过80% (当前值: {{ $value }}%)"

3. 内存使用率告警

复制代码

- alert: HighMemoryUsage
  expr: (node_memory_MemTotal_bytes - node_memory_MemAvailable_bytes) / node_memory_MemTotal_bytes * 100 > 85
  for: 5m
  labels:
    severity: warning
  annotations:
    summary: "内存使用率过高 (instance {{ $labels.instance }})"
    description: "内存使用率超过85% (当前值: {{ $value }}%)"

4. 磁盘使用率告警

复制代码

- alert: HighDiskUsage
  expr: (node_filesystem_size_bytes{mountpoint="/"} - node_filesystem_avail_bytes{mountpoint="/"}) / node_filesystem_size_bytes{mountpoint="/"} * 100 > 80
  for: 10m
  labels:
    severity: warning
  annotations:
    summary: "磁盘使用率过高 (instance {{ $labels.instance }})"
    description: "根分区使用率超过80% (当前值: {{ $value }}%)"

5. 网络错误率告警

复制代码

- alert: HighNetworkErrorRate
  expr: rate(node_network_receive_errs_total[5m]) / rate(node_network_receive_packets_total[5m]) * 100 > 1
  for: 2m
  labels:
    severity: warning
  annotations:
    summary: "网络接收错误率过高 (instance {{ $labels.instance }})"
    description: "网络接收错误率超过1% (当前值: {{ $value }}%)"

告警规则最佳实践

合理设置for持续时间：避免瞬时抖动触发告警，建议根据业务场景设置1-10分钟
使用标签分组 ：通过group_by在Alertmanager中实现告警分组，避免告警风暴
设置告警静默：对于计划内维护，提前设置静默规则
告警分级：根据影响范围设置不同严重级别（critical/warning/info）
定期评审告警规则：清理无效告警，优化告警阈值
测试告警规则 ：使用promtool验证规则语法，确保告警能正常触发

告警规则文件加载

告警规则文件通常通过Prometheus配置文件中的rule_files字段加载：

复制代码

rule_files:
  - "rules/*.yml"
  - "first_rules.yml"

配置完成后，需要重启Prometheus服务或通过/-/reload端点热加载配置。