企业官网建设流程全解析

摘要：Grafana 再好看，也得有人看。这篇讲清 Prometheus 告警规则怎么写：expr/for/labels/annotations四个字段各管什么、告警的三个状态inactive → pending → firing怎么走、ALERTS指标怎么用 PromQL 查；再给你三条可以直接抄的常用规则（CPU / 内存 / 磁盘）和一条必配的up == 0。最后是一个很真实的坑——一个肉眼看不见的U+00A0，让整个规则文件加载失败。

承接上篇：Grafana 装好了，Dashboard 也导入了，CPU、内存、磁盘、网络都能看了。

一、Grafana 好看，但没人看

周一早上，小林打开 Grafana，看着自己配的 Dashboard，CPU、内存、磁盘曲线一路平稳。

「周哥，你看，监控配好了。」

老周走过来，看了一眼：「好看。」

「那当然。」

「但我问你一个问题。」老周说，「你周六晚上在干嘛？」

「打游戏啊。」

「那周六晚上，你博客 CPU 飙到 90%，你知道吗？」

小林愣住了：「我……不知道。」

「对。」老周说，「Grafana 再好看，也得有人看。没人看，它就是一张画。你不能 24 小时盯着屏幕，但你得知道服务器什么时候出问题。这就需要告警。」

「那告警谁来发？」

「Prometheus。」老周说，「你给它定规则，它自己判断。条件满足了，它就『喊人』。」

「喊谁？」

「先喊 Alertmanager，Alertmanager 再决定怎么通知你。」老周说，「但今天，你先学怎么让 Prometheus『判断』。」

二、告警规则长什么样？

「告警规则，就是一个 YAML 文件。」老周说，「你在里面写：什么条件下，触发什么告警。」

老周拿过小林的笔记本，写了一个例子：

groups:-name:examplerules:-alert:HighCpuUsageexpr:1-avg(rate(node_cpu_seconds_total{mode="idle"}[1m]))>0.8for:2mlabels:severity:warningannotations:summary:"CPU 使用率超过 80%"description:"实例 { { $labels.instance }} 的 CPU 使用率已持续 2 分钟超过 80%，当前值 { { $value }}"

「一行一行解释。」

• groups：规则组。一个文件可以有多个组，每组一个name；
• rules：规则列表。一组可以有多个规则；
• alert：告警名称。HighCpuUsage，你自己起；
• expr：表达式。PromQL，条件满足就触发；
• for：持续时间。条件满足后，持续多久才真正触发。2m表示 2 分钟；
• labels：标签。severity: warning，表示告警级别；
• annotations：注释。summary和description，告警内容，支持模板变量。

「那{ { $labels.instance }}是啥？」

「模板变量。」老周说，「$labels是当前告警的标签，$value是当前值。你写{ { $labels.instance }}，告警发出来时，会替换成具体的实例名。」

小林在笔记本上画了个表：

三、写第一条规则

「现在写第一条。」老周说，「你先建一个规则文件。」

「放哪？」

「Prometheus 配置目录下，建个rules文件夹。」

sudomkdir-p/etc/prometheus/rulessudonano/etc/prometheus/rules/node_rules.yml

「写什么？」

「写一条『CPU 超过 80% 持续 2 分钟』的告警。」

小林写：

groups:-name:node_alertsrules:-alert:HighCpuUsageexpr:1-avg(rate(node_cpu_seconds_total{mode="idle"}[1m]))>0.8for