说说云监控策略的的管理效率

发布于

腾讯云监控，作为云产品的监控手段，不知道有多少开发者没有设置，然后突然有一天发现自己的 redis 满了，或者是 kafka 的堆积的数量过多的时候，造成事故。再来补救。

小规模资源情况

如果是小规模的资源量，那么通过腾讯云提供的一键告警策略，能够快速的覆盖各个产品的告警情况。

大规模资源情况

但是如果是大规模的资源，尤其是，账号下的资源，是分给不同的业务用的，不同的业务又有不同的告警需求，那么告警策略维护起来就十分的麻烦了。比如，我们使用到的云产品有 20+ 个，需要设置的告警策略，就需要有 20+个，甚至，有一些云产品，比如 Redis 的告警，不仅仅要设置针对实例的，还需要针对 Proxy 和 节点 分别设置。这样需要管理的告警策略也就更多了。

单独手动的在云控制台设置一遍， 告警策略信息，告警渠道，告警触发条件，告警关联实例范围还好。但是一旦后续需要修改期中的任何一个内容，就需要先把之前设置的告警策略再搜出来进行修改。这个过程就十分的痛苦了。

为了解决这个问题，基于腾讯云 API 开发了一个工具，能够通过 yaml 声明的方式，持续管理云产品告警策略。

比如配置如下：

代码语言：yaml
复制
secret:
  # loadFromEnv = true
  # 从环境变量中获取调用腾讯云 api 的 id 和 key，这里声明的是环境变量的 name
  # loadFromEnv = false
  # 从配置文件读取
  # 建议：优先推荐放到环境变量，而不是放到配置文件中，如果放在配置文件中，请保障配置文件不提交到 git 仓库中
  loadFromEnv: true
  secretID: MyCloudSecretId
  secretKey: MyCloudSecretKey
policies:
  - namespace: redis_mem_edition    # 云产品类型, https://cloud.tencent.com/document/product/248/50397 查看全部
    conditionID:  8362782           # 触发条件模板 id，https://console.cloud.tencent.com/monitor/alarm/template 查看
    noticeIDs:                      # 通知渠道模板 id，https://console.cloud.tencent.com/monitor/alarm/notice 查看
      - notice-4uks09xe
    name: 基础Redis实例告警         # 告警策略名称，创建时候使用，更新时候也会用这个查询后修改
    remark: 维护 by tcop cmd         # 备注
    tags:                           # 监控策略的 tag 用于管理监控，监控的实例无关
      - key: 用途
        value: 魔法
resourceTags:                       # 监控覆盖的资源标签的 tag
  - key: 用途
    values:
      - 魔法
      - 测试

我们需要手动的工作为：

1. 设置一个告警渠道，并记录下这个通知渠道的 id

2. 给这个云产品设置告警条件的模板并记录 id，这个步骤由于不同的云产品，支持的条件不同，所以需要到控制台上设置，云 API 也没有开放编辑相关的接口，只有一个查询接口

3. 维护好不同的云产品的告警策略配置，告警关联的资源，使用标签的方式进行圈定。也就是说不同业务的资源，需要挂上不同的标签，这个资源要治理好。

完成以上工作之后，执行工具，工具会根据配置中的内容进行告警策略的创建，如果有同名的策略，那么也会直接更新这个策略。

这样，在之后，比如说某个告警策略需要更换触发条件，就可以在配置中直接更换，或者是在业务标签中，需要增加某个业务的覆盖，那么也可以直接修改配置（当标签很多的时候，在云控制台操作，搜索过程就比较慢了）提升效率，节约生命！

工具地址：https://github.com/vissong/TCOP-Policy-CMD，使用指南参考 README 内容。

#云监控