基于 SkyWalking 的分布式跟踪系统 - 异常告警

通过前面 2 篇文章我们搭建了 SW 的基础环境，监控了微服务，能了解所有服务的运行情况。但是当出现服务响应慢，接口耗时严重时我们需要立即定位到问题，这就需要我们今天的主角--监控告警，同时此篇也是 SW 系列的最后一篇。

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

@Data
public class SwAlarmVO {
    private int scopeId;
    private String name;
    private int id0;
    private int id1;
    private String alarmMessage;
    private long startTime;
}

• 编写 webhook 接口

@RestController
@RequestMapping("sw")
@Log4j2
public class AlarmController {
    @PostMapping("/alarm")
    public void alarm(@RequestBody List<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 webhoook 接口告警响应
  

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)]

此时 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。