两招玩转阿里云系统事件监控

背景介绍

在当今快速发展的两招数字化时代，IT 系统和应用程序对业务运营至关重要。玩转为了确保顺畅的阿里性能、可靠性和安全性 ，云系IT 团队依靠监控事件来实时检测 、统事分析和响应问题。两招监控事件是玩转指任何影响 IT 系统正常运作的事件 
，例如服务器崩溃  、阿里网络中断或应用程序错误。云系这些事件可能对业务连续性、统事客户满意度和收入产生重大影响。两招

具体来说，玩转作为阿里云监控系统中的源码下载阿里重要组成部分，与监控指标不同 ，云系监控指标一般指一种数值型的统事监控纬度
，一般需要配合设置阈值来进行监控来表达某一个监控含义，比如 CPU 使用率超过 60%  。但是系统事件一般情况下具有完备的上下文信息，在阿里云体系中常用以描述服务的状态或者状态变化 ，常见如以下场景：

1. 系统运行中的一些关键状态事件  ，比如 ECS 系统错误重启、弹性伸缩失败
、IOT QPS 达到上限。免费模板

2. 记录和审计
，比如投递 OSS 失败。

3. 系统连续性问题
，比如 DDos 黑洞进行中 。

4. 重要安全事件
，比如 安全告警：异常网络连接（提醒）。

目前大部分的云服务服务已经完成接入云监控，具体详情可以参加下面文档：https://help.aliyun.com/zh/cms/user-guide/appendix-2-system-events?spm=5176.2020520111.console-base_help.dexternal.3d6d6610UEXzUw#concept-2500373

监控好这些系统事件对于用户是一件非常重要的事情。

云监控事件订阅设计初衷

在系统事件订阅功能上线之前 ，云监控是通过设置报警规则来实现对系统事件的监控，但是服务器租用在使用中，慢慢透露出一些不足，包括
：监控方式的不灵活 、不能支持黑名单 、通知内容格式僵化等等。

通过对之前的用户需求分析，我们设计了新的云监控事件订阅用来以实现以下功能：

1. 通过灵活的订阅配置，支持系统事件或阈值事件，支持从产品、事件级别、事件名称 、事件资源 ，云计算事件内容的筛选；支持筛选的黑白名单操作等等；

2. 通过分组合并降噪，可以实现产品级，事件级，资源级等等级别的报警合并，然后通过条件降噪（固定时长内发生超过某个阈值事件数量）来控制报警的有效性 ，避免大量重复报警造成报警风暴；

3. 对于合并降噪后的有效报警通知 ，云监控可以直接推送到邮件 、电话 、短信
、钉钉、企业微信等

4. 支持通过灵活定制通知模版来满足用户自身的香港云服务器业务需求，用户可以通过配置自己的模版
，来实现个性化的通知格式定制；

5. 定制了自定义的通知模版，可以在订阅规则上通过自定义通知方式
 ，给具体的通知渠道指定通知的级别和模板；

6. 还可以通过通知模板自定义推送的数据格式 ，通过我们在集成与推送  ，直接讲报警数据转换为用户需要的格式 ，推送到消息服务 MNS、日志服务 SLS、模板下载函数计算 FC 和 Webhook。

典型云监控场景介绍

下面，我们通过两个典型的用户场景来介绍如何使用云监控事件订阅 ：场景 1
：多运维团队场景

1. 用户使用了阿里云 ECS RDS REDIS SLB 等云服务；

2. 用户有两个独立运维团队，分别运维 ECS SLB 和 RDS REDIS；

3. 用户希望监控每个团队监控团队自己独立的服务；

4. 对于紧急的电话报警 
，两个团队需要相互 backup ，当一个团队电话打不通的时候，通知另外一个团队；

5. 需要排除掉一些预发和测试环境的实例。

具体的操作步骤如下：

1. 进入事件中心界面，点击创建订阅策略 。

图片

2. 在弹出的窗口中，按照需求设置我们的订阅配置。

图片

我们这里设置了订阅的说明如下：

1 ) 范围是 ECS 和 RDS 的所有 CRTICAL 级别事件
，再排除掉其中的测试和预发的相关资源（根据资源名称排除）；

2) 订阅好的报警，我们希望按照不同的产品来进行合并通知，这样 RDS 的事件和 ECS 的事件会被作为独立的报警发送通知给用户；

3) 设置了 5 分钟内，每个产品（我们选择的合并字段）下需要连续收到 5 个事件才会通知，通知一次之后 5 分钟内不再重复通知 。

3. 设置好了订阅配置
  ，下面我们来配置通知 。

图片

在下面的通知配置中，我们可以选择已经有的通知配置，也可以选择创建一个新的通知配置
，这里我们以创建新的通知配置为例，点击创建通知配置之后 ，弹出如下对话框:

图片

最简单的情况 ，我们可以直接选择通知到某一个组。

对于一些非常关键的报警，为了防止电话拨打没有接通的情况，我们还可以配置电话报警备选通知组，当上面配置的所有电话报警联系人都没有接通电话的情况下 ，将按照定义的备份电话报警联系组顺序，每三分钟逐个通知备份电话联系组
，直到电话接通或者所有备份联系组都通知完成。

如果用户需要按照不同严重级别发送给不同的人 ，也可以选择按照严重级别独立通知联系组，如下图  ：

图片

4. 设置好了通知接受对象后，我们还可以继续对通知方式进行定制。

如果用户希望对于报警方式进行进一步的定制，可以通过自定义通知方式来实现。

图片

这里，我们可以对报警通知的消息模版进行选择 ，可以定义每个报警级别通知的渠道 ，来实现用户定制化报警的需求。

5. 设置好了通知后，如果对于一些报警，我们希望推送到我们自己的系统中，我们可以使用推送和集成来进行配置 。

图片

点击添加渠道，在弹出的对话框中选择我们对应的渠道进行推送，我们这里以 webhook 为例。

图片

通过设置具体的推送目标和方式，可以实现数据推送到用户服务的需求。

6. 到这里订阅和通知的配置基本就完成了，但是用户如果有需要自定义通知模板的情况 ，来满足自定义的通知需求 ，配置通知模版的方式如下  ：

进入通知模版界面
，点击创建通知模版 。

图片

模板配置相对比较复杂，建议参考我们预先提供的模板，在基础上修改 ，然后通过我们的预览功能来验证配置模版是否符合预期，预览完成后，还可以用右上角的小飞机按钮来发送一次测试通知 ，最终效果发送到用户的真实接收方来验证最终效果 。

模版修改好后，可以在订阅界面的自定义通知方式的位置，修改通知方式，然后选择通知模版即可 。

图片

场景 2 ：使用应用分组实现灵活订阅能力

应用分组是云监控里面的一个重要监控概念，用来描述一组有关联的云资源
，比如 ECS 实例 、RDS 实例、SLB 实例等 。应用分组可以监控应用组中资源的状态 ，当资源状态发生变化时 ，应用组会收到通知 。我们就以应用组为例 ，介绍如何使用应用组监控阿里云系统事件。

进入云资源监控 -> 应用分组

然后点击你需要进行监控的分组，出现如下界面：

图片

1. 先设置这个分组的联系人组；

2. 点击开启系统事件订阅；

两步操作，非常简单。至此，一个最简单的应用分组订阅已经完成，它会监控当前分组下资源上报的所有 CRTICAL 和 WARNING 的资源，并通知设置的联系组 。

3. 如果我们还需要把事件推送到用户服务 ，通过点击事件订阅后的通知详情，然后在弹出窗口中添加渠道即可把已经定义好的推送渠道引用进来。

图片

写在最后

上面是两种典型的订阅系统事件的场景介绍，在这个场景的基础上，用户可以扩展到自己的场景中 ，来实现灵活的订阅通知能力，通过我们的模版，订阅来满足自己的监控需求
。