夜莺监控(Nightingale)6.x 的机器失联告警设计

夜莺监控(Nightingale) 5.x 的机器失联设计

夜莺监控(Nightingale) 5.x 中的 n9e-server 模块接收监控数据，从中解析出 ident，注册到 MySQL，同时写 ident 的最近更新时间到 redis，然后多个 n9e-server 选主，作为 leader 的 n9e-server 周期性读取 redis 里的 ident 信息，生成 target_up 指标，写入时序库。

这个方式比较绕，即时性不太好，社区里很多人也不理解，解释成本很高。希望在 6.x 版本重新做设计，简化整个逻辑，提升即时性。

夜莺监控(Nightingale) 6.x 的机器失联设计

相比 5.x，6.x 最大的改动是：去掉 target_up 指标，直接读取 MySQL 中失联的 target，如果某个 target 不活跃了（很久没有上报监控数据了），就触发告警。具体示意图如下：

原本 5.x 里 n9e-server 往 MySQL target 表写机器信息，只是 register，如果发现 DB 里有这条记录了，就不重复写了，如果发现 DB 里没有才插入。6.x 的变化是，会周期性写，发现 DB 里有这个机器了，就更新这个机器的心跳时间，这样一来，只要这个机器活着，在正常上报监控数据，DB 里的心跳时间就会更新。

夜莺监控(Nightingale) 6.x 怎么配置机器失联告警策略

在告警规则里，6.x 会新增一个规则配置方式，不用写 promql 了，只需要选择要告警的机器就行了，然后告警引擎就去看机器的最近更新时间，如果更新时间长时间没变，说明 agent 挂了，就产生告警事件。

关于作者

本文作者秦晓辉，Flashcat合伙人，文章内容是Flashcat技术团队共同沉淀的结晶，作者做了编辑整理，我们会持续输出监控、稳定性保障相关的技术文章，文章可转载，转载请注明出处，尊重技术人员的成果。