3. 告警规则配置：PromQL 表达式编写、阈值设定、多条件组合与异常处理

告警规则是 Grafana 告警体系的核心载体，它决定了“何时触发告警”以及“触发后携带哪些上下文”。本章聚焦 PromQL 表达式编写、阈值设定策略、多条件组合逻辑（AND/OR）以及 No Data / Error 场景的处理方法，确保告警规则在生产环境中既准确又鲁棒。

3.1 PromQL 表达式编写：从指标到告警条件

PromQL（Prometheus Query Language）是告警规则的“眼睛”。一个合格的告警表达式应满足：语义明确、可聚合、可重试。

3.2 阈值设定：静态阈值与动态基线

阈值是告警的“扳机”。根据业务容忍度与指标特性，可选择以下策略：

• 静态阈值：适用于稳定指标（如 CPU > 90%、内存 < 512MB）。优点：简单直观；缺点：无法适应业务潮汐。
• 动态基线：基于历史数据自动计算阈值（如过去 7 天同时间段的 P95 值）。Grafana 支持通过 avg_over_time 或外部 ML 服务实现。
• 复合阈值：同时设置 Warning 和 Critical 两级，例如 Warning > 80%，Critical > 95%。

3.3 多条件组合：AND / OR 逻辑

Grafana 告警规则支持在一条规则内通过 PromQL 的 and / or 运算符组合多个条件，实现更精细的触发逻辑。

# 示例：CPU 高 且 内存高（AND）
(avg(rate(node_cpu_seconds_total{mode="idle"}[5m])) by (instance) < 0.1)
and
(node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes < 0.2)

# 示例：CPU 高 或 磁盘 IO 高（OR）
(avg(rate(node_cpu_seconds_total{mode="idle"}[5m])) by (instance) < 0.1)
or
(rate(node_disk_io_time_seconds_total[5m]) > 0.8)

3.4 No Data 与 Error 处理

生产环境中，指标数据可能因网络抖动、采集器重启、Prometheus 自身故障等原因出现缺失或异常。Grafana 告警规则提供三种内置处理策略：

3.5 规则配置完整示例

以下是一个生产级告警规则配置片段，展示了 PromQL、阈值、多条件组合与异常处理的整合：

# 告警规则 YAML 示例（Grafana 8.x+ 原生格式）
groups:
  - name: node_alerts
    interval: 30s
    rules:
      - alert: HighCpuAndMemory
        expr: |
          (1 - avg(rate(node_cpu_seconds_total{mode="idle"}[5m])) by (instance) > 0.9)
          and
          (node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes < 0.2)
        for: 2m
        labels:
          severity: critical
        annotations:
          summary: "Instance {{ $labels.instance }} 资源紧张"
          description: "CPU > 90% 且 可用内存 < 20%，持续 2 分钟"
        # No Data 处理：触发告警
        no_data_state: Alerting
        # Error 处理：触发告警
        error_state: Alerting