前言：
前文Linux|centos7下部署安装alertmanager并实现邮箱和微信告警（二）_晚风_END的博客-CSDN博客 实现了告警系统模块的部署和测试，主要的告警范围是服务器节点的操作系统内存，磁盘空间的使用率这些方面，并没有涵盖系统的主要服务，例如docker，nginx，tomcat，MySQL等等由systemd管理的服务的监控。因此，本文将就如何扩展node_exporter来监测一些常用的由systemd进程管理的主要服务以及CPU使用率监测的实现做一个讲解。
一，
node_exporter的扩展
首先，我们看看node_exporter的帮助：
--collector.arp Enable the arp collector (default: enabled).
--collector.bcache Enable the bcache collector (default: enabled).
--collector.bonding Enable the bonding collector (default: enabled).
--collector.btrfs Enable the btrfs collector (default: enabled).
--collector.buddyinfo Enable the buddyinfo collector (default: disabled).
--collector.cgroups Enable the cgroups collector (default: disabled).
--collector.conntrack Enable the conntrack collector (default: enabled).
--collector.cpu Enable the cpu collector (default: enabled).
--collector.cpufreq Enable the cpufreq collector (default: enabled).
--collector.diskstats Enable the diskstats collector (default: enabled).
--collector.dmi Enable the dmi collector (default: enabled).
--collector.drbd Enable the drbd collector (default: disabled).
--collector.drm Enable the drm collector (default: disabled).
--collector.edac Enable the edac collector (default: enabled).
--collector.entropy Enable the entropy collector (default: enabled).
--collector.ethtool Enable the ethtool collector (default: disabled).
--collector.fibrechannel Enable the fibrechannel collector (default: enabled).
--collector.filefd Enable the filefd collector (default: enabled).
--collector.filesystem Enable the filesystem collector (default: enabled).
--collector.hwmon Enable the hwmon collector (default: enabled).
--collector.infiniband Enable the infiniband collector (default: enabled).
--collector.interrupts Enable the interrupts collector (default: disabled).
--collector.ipvs Enable the ipvs collector (default: enabled).
--collector.ksmd Enable the ksmd collector (default: disabled).
--collector.lnstat Enable the lnstat collector (default: disabled).
--collector.loadavg Enable the loadavg collector (default: enabled).
--collector.logind Enable the logind collector (default: disabled).
--collector.mdadm Enable the mdadm collector (default: enabled).
--collector.meminfo Enable the meminfo collector (default: enabled).
--collector.meminfo_numa Enable the meminfo_numa collector (default: disabled).
--collector.mountstats Enable the mountstats collector (default: disabled).
--collector.netclass Enable the netclass collector (default: enabled).
--collector.netdev Enable the netdev collector (default: enabled).
--collector.netstat Enable the netstat collector (default: enabled).
--collector.network_route Enable the network_route collector (default: disabled).
--collector.nfs Enable the nfs collector (default: enabled).
--collector.nfsd Enable the nfsd collector (default: enabled).
--collector.ntp Enable the ntp collector (default: disabled).
--collector.nvme Enable the nvme collector (default: enabled).
--collector.os Enable the os collector (default: enabled).
--collector.perf Enable the perf collector (default: disabled).
--collector.powersupplyclass
Enable the powersupplyclass collector (default: enabled).
--collector.pressure Enable the pressure collector (default: enabled).
--collector.processes Enable the processes collector (default: disabled).
--collector.qdisc Enable the qdisc collector (default: disabled).
--collector.rapl Enable the rapl collector (default: enabled).
--collector.runit Enable the runit collector (default: disabled).
--collector.schedstat Enable the schedstat collector (default: enabled).
--collector.selinux Enable the selinux collector (default: enabled).
--collector.slabinfo Enable the slabinfo collector (default: disabled).
--collector.sockstat Enable the sockstat collector (default: enabled).
--collector.softnet Enable the softnet collector (default: enabled).
--collector.stat Enable the stat collector (default: enabled).
--collector.supervisord Enable the supervisord collector (default: disabled).
--collector.sysctl Enable the sysctl collector (default: disabled).
--collector.systemd Enable the systemd collector (default: disabled).
--collector.tapestats Enable the tapestats collector (default: enabled).
--collector.tcpstat Enable the tcpstat collector (default: disabled).
--collector.textfile Enable the textfile collector (default: enabled).
--collector.thermal_zone Enable the thermal_zone collector (default: enabled).
--collector.time Enable the time collector (default: enabled).
--collector.timex Enable the timex collector (default: enabled).
--collector.udp_queues Enable the udp_queues collector (default: enabled).
--collector.uname Enable the uname collector (default: enabled).
--collector.vmstat Enable the vmstat collector (default: enabled).
--collector.wifi Enable the wifi collector (default: disabled).
--collector.xfs Enable the xfs collector (default: enabled).
--collector.zfs Enable the zfs collector (default: enabled).
--collector.zoneinfo Enable the zoneinfo collector (default: disabled).
可以看到--collector.systemd是默认不采集的，但有一个问题，如果开启了，那么所有的systemd管理的启停脚本都将要采集，有一些无关紧要的服务是不需要的，因此，需要先开启--collector.systemd 然后设置一个白名单。具体做法如下：
修改node_exporter的启停脚本，内容如下：
[Unit]
Descriptinotallow=node_exporter Monitoring System
Documentatinotallow=node_exporter Monitoring System
[Service]
ExecStart=/usr/local/bin/node_exporter --web.listen-address=:9100 --collector.systemd --collector.systemd.unit-whitelist=(nginx|docker|sshd).service
[Install]
WantedBy=multi-user.target
重启node_exporter服务：
systemctl daemon-reload && systemctl restart node_exporter打开浏览器，登录Prometheus的管理界面，输入PromeQL语句 node_systemd_unit_state{job="server",name="sshd.service"} ：
（job的名称是在Prometheus 的主配置文件内设定的，必须要有设定才可以用哦）
可以看到查询到了sshd服务，同样的将name="sshd.service"替换成name="docker.service" 也可以查询到规则匹配的范围
下图表示sshd服务的四种状态，
同样的，查询docker服务：
OK，可以看到只有192.168.217.23 五种服务状态，state="inactive"表示docker服务挂掉了，24服务器确实没有安装docker环境，因此，这些采集是准确无误的。
二，
编写报警规则
groups:
- name: systemd.rules
rules:
- alert: docker_systemd_down # 告警聚合的名称依据
expr: node_systemd_unit_state{job="server", name="docker.service", state="inactive"} ==1
for: 1m
labels:
severity: 灾难 # 告警级别
annotations:
summary: "Instance {{ $labels.name }} 停止工作"
description: "{{ $labels.instance }}的{{ $labels.name }} 已经停止1分钟以上"
这个文件随便命名吧，后缀必须是yml即可，放置在/usr/local/prometheus/rules/目录下，然后重启Prometheus server：
systemctl restart prometheus继续查询：
三，
测试环节
在23服务器上手动停止docker，模拟故障：
systemctl stop docker查看Prometheus server的管理界面的Alert，可以看到成功触发报警
稍等片刻后，邮件也收到了，告警级别也会变成firing：
四，
增加CPU负载告警规则：
groups:
- name: systemd.rules
rules:
- alert: docker_systemd_down # 告警聚合的名称依据
expr: node_systemd_unit_state{job="server", name="docker.service", state="inactive"} ==1
for: 1m
labels:
severity: 灾难 # 告警级别
annotations:
summary: "Instance {{ $labels.name }} 停止工作"
description: "{{ $labels.instance }}的{{ $labels.name }} 已经停止1分钟以上"
- alert: NodeCPUUsage
expr: 100 - (avg(irate(node_cpu_seconds_total{mode="idle"}[5m])) by (instance) * 100) > 80
for: 2m
labels:
severity: 危险
annotations:
summary: "{{$labels.instance}}: CPU使用过高"
description: "{{$labels.instance}}: CPU使用大于 80% (当前值: {{ $value }})"
同样的，重启Prometheus server服务：
systemctl restart prometheus同样的查询规则范围和准确度：
测试环节：
使用stress 模拟CPU负载超过80（在23服务器上执行）：
#创建8个stress进程，持续时间600秒，模拟CPU在用户态使用率达到100%的场景。
stress --cpu 8 --timeout 600
#或者创建8个stress进程和100个io进程，持续时间600秒，模拟CPU在用户态和内核态总使用率达到100%的场景。
stress -c 8 -i 100 --verbose --timeout 600在Prometheus server管理界面，可以看到CPU负载达到了百分百：
在alert页面可以看到确实是百分百了，当然，邮件也发送了：
基本的告警流程大概就这样了，告警等级可以使用中文是比较好的一个设定。
