基于SkyWalking的分布式跟踪系统 - 异常告警

UI参数

首先我们认识一下SW DashBoard上的几个关键参数，如下图所示

告警配置

告警流程

skywalking发送告警的基本原理是每隔一段时间轮询skywalking-collector收集到的链路追踪的数据，再根据所配置的告警规则（如服务响应时间、服务响应时间百分比）等，如果达到阈值则发送响应的告警信息。发送告警信息是以线程池异步的方式调用webhook接口完成，（具体的webhook接口可以使用者自行定义），从而开发者可以在指定的webhook接口中自行编写各种告警方式，钉钉告警、邮件告警等等。

规则配置

告警的核心由一组规则驱动，这些规则定义在 config/alarm-settings.yml，打开之后如下所示：

告警规则的定义分为两部分。

• 告警规则。它们定义了应该如何触发度量警报，应该考虑什么条件。

• [网络钩子](#Webhook}。当警告触发时，哪些服务终端需要被告知。
  

告警规则主要有以下几点

Rule name。 在告警信息中显示的唯一名称。必须以_rule结尾。

Metrics name。  也是oal脚本中的度量名。

Include names。 其下的实体名称都在此规则中。比如服务名，终端名。

Threshold。 阈值。

OP。  操作符, 支持 >, <, =。

Period.。  多久检查一次当前的指标数据是否符合告警规则这是一个时间窗口，与后端部署环境时间相匹配。

Count。  在一个Period窗口中，如果values超过Threshold值（按op），达到Count值，需要发送警报。

Silence period。 在时间N中触发报警后，在TN -> TN + period这个阶段不告警。默认情况下，它和Period一样，这意味着相同的告警（在同一个Metrics name拥有相同的Id）在同一个Period内只会触发一次

Webhook

SkyWalking 的告警 Webhook 要求对等方是一个 Web 容器. 告警的消息会通过 HTTP 请求进行发送, 请求方法为 POST, Content-Type 为 application/json, JSON 格式基于 List<org.apache.skywalking.oap.server.core.alarm.AlarmMessage, 包含以下信息.

scopeId. 所有可用的 Scope 请查阅 org.apache.skywalking.oap.server.core.source.DefaultScopeDefine.

name. 目标 Scope 的实体名称.

id0. Scope 实体的 ID.

id1. 未使用.alarmMessage. 报警消息内容.

startTime. 告警时间, 位于当前时间与 UTC 1920/1/1 之间.

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

代码实战

编写实体类用于接收sw告警消息

@DatapublicclassSwAlarmVO {
privateintscopeId;
privateStringname;
privateintid0;
privateintid1;
privateStringalarmMessage;
privatelongstartTime;
}

编写webhook接口

@RestController@RequestMapping("sw")
@Log4j2publicclassAlarmController {
@PostMapping("/alarm")
publicvoidalarm(@RequestBodyList<SwAlarmVO>alarmList){
log.info("skywalking alarm message:{}",alarmList);
//todo doalarm    }
}

• 修改告警配置，开放webhook接口

• 为了模拟请求调用慢，我们在代码中使用Thread.sleep(1000)增加接口耗时，然后等待webhoook接口告警响

告警详细信息如下：

[SwAlarmVO(scopeId = 2, name = dubbo - consumer - pid: 13812 @ jianzhang11, id0 = 28, id1 = 0, alarmMessage = Response time of service instance dubbo - consumer - pid: 13812 @ jianzhang11 is more than 1000ms in 2 minutes of last 10 minutes, startTime = 1573122018755), SwAlarmVO(scopeId = 2, name = dubbo - provider2 - pid: 14108 @ jianzhang11, id0 = 25, id1 = 0, alarmMessage = Response time of service instance dubbo - provider2 - pid: 14108 @ jianzhang11 is more than 1000ms in 2 minutes of last 10 minutes, startTime = 1573122018755)]

说明webhook能正常接收到sw的告警信息，后续的消息通知直接定制开发即可。