RocketMQ 集群告警_集群主要告警

前言

​对集群健康状况、使用主题、消费组资源的巡检，发现达到阈值则发送告警信息给管理员或者资源申请者。监控是告警的基础，告警的巡检基于前面两篇文章中监控采集到的数据。

​告警的重要性不必过多地赘述，RocketMQ 集群往往承载着公司核心业务流转。如果集群不可用往往影响是全公司的业务，事故责任是公司最高级别的。

本文从告警项的设计、告警流程、告警实战给出指导建议，在实践中以此为思路扩展完善，实现自己公司的定制化告警。

告警项设计

下图分别从主题、消费组、集群维度罗列了比较重要的告警项以及触发条件包括哪些方面。

触发条件

• 触发阈值：超过某个特定的数值，例如：消费积压超过 10 万。
• 时间间隔：间隔多久检测，例如：5 分钟内消费积压超过 10 万。
• 触发次数：在时间间隔内满足阈值的次数，例如：5 分钟内消费积压超过 10 万，触发了 3 次。
• 告警时间段：收到告警通知的时间范围，例如：在 9:00-22:00 之间收到告警信息。

主题告警

发送速度：当发送速度满足触发条件设定的阈值时发送告警信息。

例如：