怎么处理模块告警（报警模块作用）

本篇文章给大家谈谈怎么处理模块告警，以及报警模块作用对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。 今天给各位分享怎么处理模块告警的知识，其中也会对报警模块作用进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、故障恢复方法 告警
• 2、射频单元基带运行异常告警怎么处理！有那个大神知道补
• 3、底层外部链路故障告警怎么处理？
• 4、插入光模块之后出现告警信息？
• 5、如何才能做到对告警通知有效管理？
• 6、性能门限越界告警怎么解决？

故障恢复方法 告警

‍测试环境中出现了一个异常的告警现象：一条告警通过 Thanos Ruler 的 HTTP 接口观察到持续处于 active 状态，但是从 AlertManager 这边看这条告警为已解决状态。按照 DMP 平台的设计，告警已解决指的是告警上设置的结束时间已经过了当前时间。一条发送至 AlertManager 的告警为已解决状态有三种可能：1. 手动解决了告警2. 告警只产生了一次，第二次计算告警规则时会发送一个已解决的告警3. AlertManager 接收到的告警会带着一个自动解决时间，如果还没到达自动解决时间，则将该时间重置为 24h 后首先，因为了解到测试环境没有手动解决过异常告警，排除第一条；其次，由于该告警持续处于 active 状态，所以不会是因为告警只产生了一次而接收到已解决状态的告警，排除第二条；最后，告警的告警的产生时间与自动解决时间相差不是 24h，排除第三条。那问题出在什么地方呢？

分析

下面我们开始分析这个问题。综合第一节的描述，初步的猜想是告警在到达 AlertManager 前的某些阶段的处理过程太长，导致告警到达 AlertManager 后就已经过了自动解决时间。我们从分析平台里一条告警的流转过程入手，找出告警在哪个处理阶段耗时过长。首先，一条告警的产生需要两方面的配合：

metric 数据

告警规则

将 metric 数据输入到告警规则进行计算，如果符合条件则产生告警。DMP 平台集成了 Thanos 的相关组件，数据的提供和计算则会分开，数据还是由 Prometheus Server 提供，而告警规则的计算则交由 Thanos Rule（下文简称 Ruler）处理。下图是 Ruler 组件在集群中所处的位置：

看来，想要弄清楚现告警的产生到 AlertManager 之间的过程，需要先弄清除 Ruler 的大致机制。官方文档对 Ruler 的介绍是：You can think of Rule as a simplified Prometheus that does not require a sidecar and does not scrape and do PromQL evaluation (no QueryAPI)。

不难推测，Ruler 应该是在 Prometheus 上封装了一层，并提供一些额外的功能。通过翻阅资料大致了解，Ruler 使用 Prometheus 提供的库计算告警规则，并提供一些额外的功能。下面是 Ruler 中告警流转过程：

请点击输入图片描述

请点击输入图片描述

请点击输入图片描述

首先，图中每个告警规则 Rule 都有一个 active queue（下面简称本地队列），用来保存一个告警规则下的活跃告警。

其次，从本地队列中取出告警，发送至 AlertManager 前，会被放入 Thanos Rule Queue（下面简称缓冲队列），该缓冲队列有两个属性：

capacity（默认值为 10000）：控制缓冲队列的大小，

maxBatchSize（默认值为 100）：控制单次发送到 AlertManager 的最大告警数

了解了上述过程，再通过翻阅 Ruler 源码发现，一条告警在放入缓冲队列前，会为其设置一个默认的自动解决时间（当前时间 + 3m），这里是影响告警自动解决的开始时间，在这以后，有两个阶段可能影响告警的处理：1. 缓冲队列阶段2. 出缓冲队列到 AlertManager 阶段（网络延迟影响）由于测试环境是局域网环境，并且也没在环境上发现网络相关的问题，我们初步排除第二个阶段的影响，下面我们将注意力放在缓冲队列上。通过相关源码发现，告警在缓冲队列中的处理过程大致如下：如果本地队列中存在一条告警，其上次发送之间距离现在超过了 1m（默认值，可修改），则将该告警放入缓冲队列，并从缓冲队列中推送最多 maxBatchSize 个告警发送至 AlertManager。反之，如果所有本地队列中的告警，在最近 1m 内都有发送过，那么就不会推送缓冲队列中的告警。也就是说，如果在一段时间内，产生了大量重复的告警，缓冲队列的推送频率会下降。队列的生产方太多，消费方太少，该队列中的告警就会产生堆积的现象。因此我们不难猜测，问题原因很可能是是缓冲队列推送频率变低的情况下，单次推送的告警数量太少，导致缓冲队列堆积。下面我们通过两个方面验证上述猜想：首先通过日志可以得到队列在大约 20000s 内推送了大约 2000 次，即平均 10s 推送一次。结合缓冲队列的具体属性，一条存在于队列中的告警大约需要 (capacity/maxBatchSize)*10s = 16m，AlertManager 在接收到告警后早已超过了默认的自动解决时间（3m）。其次，Ruler 提供了 3 个 metric 的值来监控缓冲队列的运行情况：

thanos_alert_queue_alerts_dropped_total

thanos_alert_queue_alerts_pushed_total

thanos_alert_queue_alerts_popped_total

通过观察 thanos_alert_queue_alerts_dropped_total 的值，看到存在告警丢失的总数，也能佐证了缓冲队列在某些时刻存在已满的情况。

解决通过以上的分析，我们基本确定了问题的根源：Ruler 组件内置的缓冲队列堆积造成了告警发送的延迟。针对这个问题，我们选择调整队列的 maxBatchSize 值。下面介绍一下这个值如何设置的思路。由于每计算一次告警规则就会尝试推送一次缓冲队列，我们通过估计一个告警数量的最大值，得到 maxBatchSize 可以设置的最小值。假设你的业务系统需要监控的实体数量分别为 x1、x2、x3、...、xn，实体上的告警规则数量分别有 y1、y2、y3、...、yn，那么一次能产生的告警数量最多是(x1 * y2 + x2 * y2 + x3 * y3 + ... + xn * yn)，最多推送（y1 + y2 + y3 + ... + yn）次，所以要使缓冲队列不堆积，maxBatchSize 应该满足：maxBatchSize = (x1 * y2 + x2 * y2 + x3 * y3 + ... + xn * yn) / (y1 + y2 + y3 + ... + yn)，假设 x = max(x1,x2, ...,xn), 将不等式右边适当放大后为 x，即 maxBatchSize 的最小值为 x。也就是说，可以将 maxBatchSize 设置为系统中数量最大的那一类监控实体，对于 DMP 平台，一般来说是 MySQL 实例。

注意事项

上面的计算过程只是提供一个参考思路，如果最终计算出该值过大，很有可能对 AlertManager 造成压力，因而失去缓冲队列的作用，所以还是需要结合实际情况，具体分析。因为 DMP 将 Ruler 集成到了自己的组件中，所以可以比较方便地对这个值进行修改。如果是依照官方文档的介绍使用的 Ruler 组件，那么需要对源码文件进行定制化修改。

射频单元基带运行异常告警怎么处理！有那个大神知道补

可能原因：a.光路原因；b.RRU原因。
处理方法：a.现场检查BBU与下级射频单元RRU之间的光路，重点排查两端的光纤、光模块是否存在问题；
b.不排除RRU软件或硬件故障导致，可尝试先复位RRU观察告警是否恢复，不行则尝试更换

底层外部链路故障告警怎么处理？

ppp链路形成通路或者环路告警指示灯都会消失，统一来讲就是只要2M收发可以通，就没有告警。近段环回在设备这一端形成环路，自然告警就消失，告警还存在，就需要检查本端的DDF到机柜这段传输，一个节点一个节点检查，有时候不一定是2M头的问题，也可能是其它地方比如ovp模块，建议用LED二极管检查；与远端对接后，出现告警，是指与远端未形成通路，说明DDF架到中心局这段有问题，你可以给中心局远端环回，让他们看看能否看到，再来检查链路问题。

插入光模块之后出现告警信息？

纤亿通  建议查看光模块怎么处理模块告警的工作参数、接口信息和收发包是否正常怎么处理模块告警，再检查光纤跳线怎么处理模块告警，也可以尝试更换光纤跳线和光模块怎么处理模块告警，光模块更换之后需要观察告警灯的状态。更多详情

如何才能做到对告警通知有效管理？

其实在一线运维工作中，常常是福不双至，故障不单行。每有运维问题发生的时候，往往会密集发生多个告警。当这些告警来袭的时候，一线运维人员要针对它的类型、等级、告警对象和内容等进行检查并选用合适的方法来应对。

告警等级较高时，比如持续出错的应用告警，在查验后会立即分派通知相关的负责人在第一时间开具事件工单，做对应的流程追踪；而遇到低等级或次要的系统告警，则可以暂缓处置，留作观察。

传统的处置方式需要用经验来判断问题的影响范围和严重性，再通过人工进行派单以及通知下游处理人员，这样效率低下，无法满足现今业务响应速度的要求了。

究其原因，有些周期性发生的高频问题，往往并不是最棘手的，是可以延后处置的。反而偶发的问题，比较需要特别关注（如果这是原始定级较高的故障，更应该第一时间关注）。

所以，在告警发生的时候，可以使用告警优先级推荐算法来分析处理问题。根据规律特征进行判别，看是否需要立即关注。再配合自动化工具，将推荐等级与原始等级都高的告警加上筛选规则，进行自动化开单处置。发现推荐等级与原始等级有背离的部分，可以筛选出来做复盘，对告警原始的等级进行优化，或者转化成升降级的规则逻辑来处置告警等级。

性能门限越界告警怎么解决？

一种性能告警系统及其性能门限的获取方法，其中方法包括：预先将性能门限写入数据库或文件中；网络监控时，根据被监控的性能数据或性能指标从所述数据库或文件中选择读取并依对应的性能门限进行比较判断；性能告警系统包括告警管理模块(150)及其输入端依次连接并共同连接性能数据库存储模块(160)的数据采集模块(120)和告警控制模块(130)，所述性能数据库存储模块还连接性能门限管理模块(110)。这种性能告警系统及其性能门限的获取方法由数据库统一管理性能门限，由性能门限种类决定逻辑/比较判断具体形式，打破以前传统方式，实现性能门限和具体逻辑判断形式的灵活定制。通过分析目前性能预警中使用的门限阈值判断法及其变种的原理和缺陷,提出一种崭新的性能预警方法,有效降低门限阈值判断法的误告警率。提供一种通信网络预警的方法和系统,用以解决现有通信网络无法自动在网络出现故障时自动预警,监控人员的工作效率较低,在故障发生时的工作压力较大的问题.该方法包括:信令监测系统收集网络中小区当前的告警触发数据;信令监测系统判断小区当前的告警触发数据是否满足告警触发策略;当小区当前的告警触发数据满足告警触发策略时,信令监测系统发送告警信息;网管系统接收到告警信息后,利用相关信息系统进行预警操作.上述技术方案在网络出现故障时自动预警,提高了告警的准确性和高效性,提高了监控人员的工作效率,减轻了监控人员在故障发生时的工作压力. 关于怎么处理模块告警和报警模块作用的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。 怎么处理模块告警的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于报警模块作用、怎么处理模块告警的信息别忘了在本站进行查找喔。