关于skywalking的告警webhook

1,942次阅读

共计 4452 个字符，预计需要花费 12 分钟才能阅读完成。

skywalking中的alarm webhooks

skywalking虽然支持多种webhook，但博主一直没找到skywalking的告警如何将alarm信息根据不同webhook发送出去，目前博主的版本是v9.1，最新已是v9.4。从文档来看它提供了webhook传递的消息格式(还有grpchook，不涉及略)，所以自己折腾下

method：POST
content/type：application/json
body：

[{
  "scopeId": 1, 
  "scope": "SERVICE",
  "name": "serviceA", 
  "id0": "12",  
  "id1": "",  
    "ruleName": "service_resp_time_rule",
  "alarmMessage": "alarmMessage xxxx",
  "startTime": 1560524171000,
    "tags": [{
        "key": "level",
        "value": "WARNING"
     }]
}, {
  "scopeId": 1,
  "scope": "SERVICE",
  "name": "serviceB",
  "id0": "23",
  "id1": "",
    "ruleName": "service_resp_time_rule",
  "alarmMessage": "alarmMessage yyy",
  "startTime": 1560524171000,
    "tags": [{
        "key": "level",
        "value": "CRITICAL"
    }]
}]

几个关键的字段：

scope：服务范围
name：服务名称
rulename：规则名称
alarmMessage：告警消息
startTime：告警时间戳
tags：标签
其他几个暂不清楚该怎么使用。。。

根据上面的信息，想用flask建个中转服务，接受skywalk发过来的告警信息，然后再发去别的服务，期间自己做过滤策略

flask创建alert接口，打印下接受到数据

@app.route('/alert', methods=['POST'])
def alert():
    data = request.get_json()
    print(data)
    return jsonify({'results': 'success'})

接入钉钉企业内部机器人

构建普通文本消息模板

    for i in data:
        msg = {
            "scope": i['scope'],
            "name": i['name'],
            "rule_name": i['ruleName'],
            "alarm_message": i['alarmMessage'],
            "start_time": time.strftime("%Y-%m-%d %H:%M:%S", time.localtime(int(i['startTime']) / 1000)),
            "tags": str(i['tags'])
        }
        send_msg_tpl = {
            "msgtype": "text",
            "text": {
                "content": "服务名称：{scope} \n影响范围：{name} \n触发规则：{rule_name} \n开始时间：{start_time} \n告警内容：{alarm_message} \n告警标签：{tags}".format(
                    **msg)
            },
            "at": {
                "atUserIds": [
                    "manager5345"
                ],
                "isAtAll": False
            }
        }

获取企业内部机器人webhook

这里不是普通的群机器人，是企业内部机器类型，可以和机器人交互的

钉钉群设置》机器人》找到对应的企业内部机器人查看即可

    headers = {'Content-Type': 'application/json'}
    webhook = 'https://oapi.dingtalk.com/robot/send?access_token=dddddd'

向钉钉发送消息

        requests.post(webhook, data=json.dumps(send_msg_tpl), headers=headers)
        time.sleep(0.2)

postman测试下效果

目前看起来功能基本完成，没有太多处理策略，直接转发，部署到服务器上并接入到skywalking中看看

调整skywalking webhook

修改alarm-settings.yml


# 之前钉钉hook
#dingtalkHooks:
#  textTemplate: |-
#    {
#      "msgtype": "text",
#      "text": {
#        "content": "Apache SkyWalking Alarm: \n %s."
#      }
#    }
#  webhooks:
#    - url: https://oapi.dingtalk.com/robot/send?access_token=xxxxdfdf
#      secret: xxxxx

# 改成如下
webhooks:
  - http://alert-center.xadocker.cn/alert

最终实际效果

webhook分发策略

根据name去正则匹配，然后返回webhook

def get_webhook(name):
    policy = {
        "default": "https://oapi.dingtalk.com/robot/send?access_token=default",
        "bff-center": "https://oapi.dingtalk.com/robot/send?access_token=aaaa",
        "products-center": "https://oapi.dingtalk.com/robot/send?access_token=bbbb",
        "inventory-center": "https://oapi.dingtalk.com/robot/send?access_token=cccc",
        "member-center": "https://oapi.dingtalk.com/robot/send?access_token=dddd",
    }
    for i in policy.keys():
        pattern = re.compile(i)
        if pattern.search(name):
            return policy[i]
    return policy['default']

到这里基本就可以根据不同服务名分发到不同webhook，未匹配则发送到default hook，当然还可以再扩展下：

策略里增加userid，将消息@某些level人员
根据tags中level划分，严重等级@所有人或高level人员
接入其它webhooks：微信，飞书，slack等，当然对应的消息发送格式也要随着变动
将策略配置提取到单独的配置文件中，或是nacos配置中心管理方便动态修改
将信息入库？@回机器人让它查查告警汇总表？
告警限流的控制（避免第三方平台限制调用频率，得想方式控制下），引入mq，然后分组又或者抑制？
包装下转发给alermanager。。。。

转发给alertmanager?

接口地址：/api/v2/alerts

看下alertmanager消息格式：

[
  {
    "labels": {
      "alertname": "<requiredAlertName>",
      "<labelname>": "<labelvalue>",
      ...
    },
    "annotations": {
      "<labelname>": "<labelvalue>",
    },
    "startsAt": "<rfc3339>",
    "endsAt": "<rfc3339>",
    "generatorURL": "<generator_url>"
  },
  ...
]

startsAt：告警起始时间
endsAt：告警结束时间

若两者未指定，则startsAt为接收到告警的当前时间，endsAt则为：startsAt + reslove_timeout(默认 5m)。对于一个持续触发的告警，alertmanager每收到一次相同的告警(没有设置startsAt和endsAt)，就会将该告警的endsAt设置为startsAt + reslove_timeout

目前博主的alertmanager的reslove_timeout为10m

[root@k8s-master manifests]# cat alertmanager-secret.yaml
apiVersion: v1
kind: Secret
metadata:
  labels:
    app.kubernetes.io/component: alert-router
    app.kubernetes.io/instance: main
    app.kubernetes.io/name: alertmanager
    app.kubernetes.io/part-of: kube-prometheus
    app.kubernetes.io/version: 0.24.0
  name: alertmanager-main
  namespace: monitoring
stringData:
  alertmanager.yaml: |-
    "global":
      "resolve_timeout": "10m"
# 略

尝试构造下告警消息体

[
    {
        "labels": {
            "skywalking_scope": "service",
            "skywalking_name": "inventory-center",
            "skywalking_rulename": "service_resp_time_rule",
            "alert_from": "skywalking",
            "severity": "warning"
        },
        "annotations": {
            "summary": "This is a inventory center alert",
            "description": "Response time of service inventory-center is more than 100ms in last 2 minutes."
        }
    }
]

postman模拟测试下