版本：7.0.0

简介

告警是基于指标数据驱动的，告警在 config/alarm-settings.yml里面配置，主要包含三种告警配置：

告警规则：声明指标的阈值和条件，当达到阈值时，将触发告警。
WebHooks：web服务列表，当告警规则触发时回调。
gRPCHook：远程gRPC方法的IP和端口，当告警规则触发时回调。

规则

告警规则组成关键字段如下：

Rule name：具有唯一性，展示在告警信息里面，必须以_rule结尾。
Metrics name：oal脚本里面的指标名称，支持long, double, int 类型。
Include names：规则里包含的实体名称，例如：服务名字，端点名字。
Excluse names：规则里排除的实体名称，例如：服务名字，端点名字。
Threshold：目标值（阈值）。对于多值指标（如：百分位），这个阈值是一个数组，格式如：value1,value2,value3,value4,value5。与指标格式一一对应。当不想其中某些指标触发告警时，阈值设置为横杠(-)
OP：操作，目前支持 >，>=，<，<=，=。
Period：周期。一个时间窗口，表示告警规则应当被检测多长时间。
Count：在期限窗口时间段内，如果统计次数达到阈值，将触发告警。
Silence Period：静默时间，表示在多长时间内只会触发一次告警。默认值和Period相同，即在一个周期内，只会触发一次告警。

rules:
  # Rule unique name, must be ended with `_rule`.
  endpoint_percent_rule:
    # Metrics value need to be long, double or int
    metrics-name: endpoint_percent
    threshold: 75
    op: <
    # The length of time to evaluate the metrics
    period: 10
    # How many times after the metrics match the condition, will trigger alarm
    count: 3
    # How many times of checks, the alarm keeps silence after alarm triggered, default as same as period.
    silence-period: 10
  service_percent_rule:
    metrics-name: service_percent
    # [Optional] Default, match all services in this metrics
    include-names:
      - service_a
      - service_b
    exclude-names:
      - service_c
    # Single value metrics threshold.
    threshold: 85
    op: <
    period: 10
    count: 4
  service_resp_time_percentile_rule:
    # Metrics value need to be long, double or int
    metrics-name: service_percentile
    op: ">"
    # Multiple value metrics threshold. Thresholds for P50, P75, P90, P95, P99.
    threshold: 1000,1000,1000,1000,1000
    period: 10
    count: 3
    silence-period: 5
    message: Percentile response time of service {name} alarm in 3 minutes of last 10 minutes, due to more than one condition of p50 > 1000, p75 > 1000, p90 > 1000, p95 > 1000, p99 > 1000

默认规则

在发行版中提供了默认的alarm-setting.yml，其中包括以下规则：
最近3分钟内服务平均响应时间超过1秒。
最近2分钟的服务成功率低于80％。
最近3分钟的服务响应时间百分比超过1s。
最近2分钟内服务实例的平均响应时间超过1秒。
最近2分钟内端点平均响应时间超过1秒。

所有默认指标名称的列表

指标名称是在正式的OAL脚本中定义的，可以在Alarm中使用来自Service，Service Instance，Endpoint范围的指标。

Webhook

Webhook要求配置的时一个web容器，告警消息将以application/json格式通过http请求发送，消息格式声明为：List<org.apache.skywalking.oap.server.core.alarm.AlarmMessage。
字段如下：

scopeId, scope: 所有的scope实体在 org.apache.skywalking.oap.server.core.source.DefaultScopeDefine 里面声明。
name. 目标scope实体名称。
id0: scope实体ID，匹配名称。
id1: 不使用。
ruleName: 配置在 alarm-settings.yml 里面的规则名称.
alarmMessage: 告警信息.
startTime：触发告警的时间示例：

[{
	"scopeId": 1, 
        "scope": "SERVICE",
        "name": "serviceA", 
	"id0": 12,  
	"id1": 0,  
        "ruleName": "service_resp_time_rule",
	"alarmMessage": "alarmMessage xxxx",
	"startTime": 1560524171000
}, {
	"scopeId": 1,
        "scope": "SERVICE",
    	"name": "serviceB",
	"id0": 23,
	"id1": 0,
        "ruleName": "service_resp_time_rule",
	"alarmMessage": "alarmMessage yyy",
	"startTime": 1560524171000
}]

gRPCHook

告警消息将以Protobuf类型通过远程方法发送，消息格式被声明在oap-server/server-alarm-plugin/src/main/proto/alarm-hook.proto里面。示例：

message AlarmMessage {
    int64 scopeId = 1;
    string scope = 2;
    string name = 3;
    int64 id0 = 4;
    int64 id1 = 5;
    string ruleName = 6;
    string alarmMessage = 7;
    int64 startTime = 8;
}