消息队列 Kafka版支持配置云监控告警规则，帮助您实时关注实例的运行状态。本文档介绍典型场景下的告警规则配置示例，建议参考这些推荐的告警策略，配置监控指标的告警规则。

实例维度

实例磁盘使用容量超过 85%

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	实例
  触发条件 1	监控指标：容量使用率 持续周期：持续3个周期 取值方式：最大值 比较方式：> 阈值：85%
  告警级别	通知

  示例如下：
  

• 处理建议
  触发告警后，您可以通过以下方式处理。处理后建议持续观测该指标，确认是否达到了预期效果。

  • 清理磁盘空间。您可以缩短 Topic 的消息保留时长，促使消息尽快过期，以此来清理磁盘空间。操作步骤请参考修改 Topic 配置。
  • 扩容实例磁盘。为了避免实例磁盘超限，触发实例的消息自动删除策略，建议及时扩容实例磁盘，增加存储空间。操作步骤请参考升级实例规格。

实例磁盘使用容量超过 30% 且磁盘倾斜率超过 30%

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	实例
  指标类型	多指标
  触发条件 1	监控指标：容量使用率 持续周期：持续3个周期 取值方式：最大值 比较方式：> 阈值：30%
  触发条件 2	监控指标：磁盘倾斜率 持续周期：持续1个周期 取值方式：最大值 比较方式：> 阈值：30%
  告警级别	通知

  示例如下：
  

• 处理建议
  触发告警后，您可以通过以下方式处理。处理后建议持续观测该指标，确认是否达到了预期效果。

  • 扩容实例磁盘。为了避免单个节点磁盘被写满、影响后续的数据写入，建议及时扩容实例磁盘，增加存储空间。操作步骤请参考升级实例规格。
  • 排查业务侧的代码逻辑。调整数据写入方式，确保数据均衡写入到实例的各个节点。
  • 数据再均衡。在数据再均衡的过程中，后端服务会检查集群中的所有 Broker 磁盘使用量差异，并参考其中的 Topic 分区流量差异，自动均衡所有 Broker 的数据，使不同 Broker 的磁盘使用量基本一致。操作步骤请参考数据再均衡。

实例生产流量超过规格上限的 85%

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	实例
  触发条件	监控指标：消息生产速率 持续周期：持续5个周期 取值方式：最大值 比较方式：> 阈值：当前规格流量峰值的 85%。各个规格的流量限制请参考产品规格。
  告警级别	警告

  示例如下：
  

• 处理建议
  触发告警后，您可以通过以下方式处理。处理后建议持续观测该指标，确认是否达到了预期效果。

  • 如果是短暂的流量高峰，建议持续观察业务运行状态和资源水位。
  • 如果流量持续抬升，则考虑升级实例规格。为了避免实例流量超限，导致生产受限、消息堆积，建议及时升级实例的计算规格，提高消息的生产和消费速率。操作步骤请参考升级实例规格。

实例消费流量超过规格上限的 85%

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	实例
  触发条件	监控指标：消息消费速率 持续周期：持续5个周期 取值方式：最大值 比较方式：> 阈值：当前规格流量峰值的 85%。各个规格的流量限制请参考产品规格。
  告警级别	警告

  示例如下：
  

• 处理建议
  触发告警后，您可以通过以下方式处理。处理后建议持续观测该指标，确认是否达到了预期效果。

  • 如果是短暂的流量高峰，建议持续观察业务运行状态和资源水位。
  • 如果流量持续抬升，则考虑升级实例规格。为了避免实例流量超限，导致生产受限、消息堆积，建议及时升级实例的计算规格，提高消息的生产和消费速率。操作步骤请参考升级实例规格。

消息生产 P99 耗时过高

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	实例
  触发条件	监控指标：消息生产P99耗时 持续周期：持续1个周期 取值方式：最大值 比较方式：> 阈值：100ms
  告警级别	严重

  示例如下：
  

• 处理建议
  触发告警后，建议检查客户端的参数配置，并设置合理的客户端参数。处理后建议持续观测该指标，确认是否达到了预期效果。

消息消费 P99 耗时过高

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	实例
  触发条件	监控指标：消息消费P99耗时 持续周期：持续1个周期 取值方式：最大值 比较方式：> 阈值：1s
  告警级别	警告

  示例如下：
  

• 处理建议
  触发告警后，建议及时查看业务端的消费逻辑，判断是否有影响消费速度的原因存在。处理后建议持续观测该指标，确认是否达到了预期效果。

CPU 使用率超过 85%

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	实例
  触发条件	监控指标：CPU使用率 持续周期：持续3个周期 取值方式：最大值 比较方式：> 阈值：85%
  告警级别	警告

  示例如下：
  

• 处理建议
  触发告警后，您可以通过以下方式处理。处理后建议持续观测该指标，确认是否达到了预期效果。

  • 判断是否由客户端引起，例如以下客户端侧的问题可能导致 CPU 占用率高：
    • Kakfa 版本切换、客户端 kafka 版本和服务端实例版本不一致。
    • 请求数多，但生产者的 batch.size 小，或设置了同步生产方式。
    • 压缩策略为 LZ4。
  • 如果确认非客户端问题导致的 CPU 占用率高，建议及时升级实例规格以便提高实例的各项处理性能。操作步骤请参考升级实例规格。处理后建议持续观测该指标，确认是否达到了预期效果。

内存使用率超过 95%

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	实例
  触发条件	监控指标：内存使用率 持续周期：持续3个周期 取值方式：最大值 比较方式：> 阈值：95%
  告警级别	警告

  示例如下：

  

• 处理建议
  触发告警后，您可以通过以下方式处理。处理后建议持续观测该指标，确认是否达到了预期效果。

  • 如果是短暂的业务高峰，建议持续观察业务运行状态和资源水位。
  • 检查实例是否已达到当前计算规格的各个阈值，例如 TPS 等。如果任意一项规格限制达到了计算规格的最大限制，则推荐升级实例规格，以便提高实例的各项处理性能。操作步骤请参考升级实例规格。处理后建议持续观测该指标，确认是否达到了预期效果。

IP 连接数过高

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	实例
  触发条件	监控指标：IP 连接数 持续周期：持续3个周期 取值方式：最大值 比较方式：> 阈值：18000
  告警级别	通知

  示例如下：
  

• 处理建议
  触发告警后，建议根据业务需求合理设置 IP 连接数。处理后建议持续观测该指标，确认是否达到了预期效果。

实例剩余可用分区数不足

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	实例
  触发条件	监控指标：剩余可用分区数 持续周期：持续1个周期 取值方式：最小值 比较方式：< 阈值：根据业务需求自行设置，推荐设置为 50。
  告警级别	如果通常通过控制台创建 Topic，推荐设置为通知。 如果通常通过 OpenAPI 创建 Topic，推荐设置为警告。

  示例如下：
  

• 处理建议
  触发告警后，您可以通过以下方式处理。处理后建议持续观测该指标，确认是否达到了预期效果。

  • 清理闲置资源。检查是否存在未使用的闲置分区，如果有，建议及时清理。
  • 如果清理后仍旧触发此告警，则考虑购买更多分区，或升级实例规格。业务高峰时分区数量会在短期内快速增加，为了避免分区数量不足影响实例的业务处理带宽，建议提前购买分区或升级实例规格，预留足够的分区数量。操作步骤请参考升级实例规格。

实例剩余可用消费组数不足

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	实例
  触发条件	监控指标：剩余可用消费组数 持续周期：持续1个周期 取值方式：最小值 比较方式：< 阈值：根据业务需求自行设置，推荐设置为 50。
  告警级别	如果通常通过控制台创建 Group，推荐设置为通知。 如果通常通过 OpenAPI 或自动创建 Group，推荐设置为警告。

  示例如下：
  

• 处理建议
  触发告警后，您可以通过以下方式处理。处理后建议持续观测该指标，确认是否达到了预期效果。

  • 清理闲置资源。检查是否存在未使用的闲置消费组，如果有，建议及时清理。您也可以开启自动删除 Group 功能，后端会自动清理闲置的 Group 资源，详细信息请参考修改参数配置和删除 Group。
  • 如果清理后仍旧触发此告警，则考虑购买更多分区，或升级实例规格。业务高峰时分区数量会在短期内快速增加，为了避免分区数量不足影响实例的业务处理带宽，建议提前购买分区或升级实例规格，预留足够的分区数量。操作步骤请参考升级实例规格。

节点在线率低于 90%

一般来说，当实例的节点在线率小于 100%，都应该排查原因。
但是在日常运维中，存在因为实例升级触发滚动重启的情况，此时实例的可用性并不会下降。因此，如果需要为节点在线率配置告警规则，建议配置为节点在线率低于 90% 时，触发告警。

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	实例
  触发条件	监控指标：节点在线率 持续周期：持续5个周期 取值方式：最小值 比较方式：< 阈值：根据业务需求自行设置，推荐设置为 90%。
  告警级别	严重

  示例如下：
  

• 处理建议
  出现节点在线率低于 90% 的告警时，建议先观察实例和业务情况。如果节点在线率长时间未恢复，请联系技术支持或提交工单。

节点维度

节点磁盘使用率超过 85%

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	节点
  触发条件	监控指标：磁盘使用率 持续周期：持续3个周期 取值方式：最大值 比较方式：> 阈值：85%
  告警级别	通知

  示例如下：
  

• 处理建议
  触发告警后，您可以通过以下方式处理。处理后建议持续观测该指标，确认是否达到了预期效果。

  • 清理磁盘空间。您可以缩短 Topic 的消息保留时长，促使消息尽快过期，以此来清理磁盘空间。操作步骤请参考修改 Topic 配置。
  • 扩容实例磁盘。为了避免实例磁盘超限，触发实例的消息自动删除策略，建议及时扩容实例磁盘，增加存储空间。操作步骤请参考升级实例规格。
  • 如果仅部分节点磁盘使用率超出阈值，且实例磁盘倾斜率数值高，表示存在节点之间数据不均衡的现象。建议参考数据再均衡均衡各个节点的数据。

消息生产 P99 耗时过高

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	节点
  触发条件	监控指标：消息生产P99耗时 持续周期：持续1个周期 取值方式：最大值 比较方式：> 阈值：100ms
  告警级别	严重

  示例如下：
  

• 处理建议
  触发告警后，建议检查客户端的参数配置，并设置合理的客户端参数。处理后建议持续观测该指标，确认是否达到了预期效果。

消息消费 P99 耗时过高

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	节点
  触发条件	监控指标：消息消费P99耗时 持续周期：持续1个周期 取值方式：最大值 比较方式：> 阈值：1s
  告警级别	警告

  示例如下：
  

• 处理建议
  触发告警后，建议及时查看业务端的消费逻辑，判断是否有影响消费速度的原因存在。处理后建议持续观测该指标，确认是否达到了预期效果。

CPU 使用率超过 85%

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	节点
  触发条件	监控指标：CPU使用率 持续周期：持续3个周期 取值方式：最大值 比较方式：> 阈值：85%
  告警级别	警告

  示例如下：
  

• 处理建议
  触发告警后，您可以通过以下方式处理。处理后建议持续观测该指标，确认是否达到了预期效果。

  • 判断是否由客户端引起，例如以下客户端侧的问题可能导致 CPU 占用率高：
    • Kakfa 版本切换、客户端 kafka 版本和服务端实例版本不一致。
    • 请求数多，但生产者的 batch.size 小，或设置了同步生产方式。
    • 压缩策略为 LZ4。
  • 如果确认非客户端问题导致的 CPU 占用率高，建议及时升级实例规格以便提高实例的各项处理性能。操作步骤请参考升级实例规格。处理后建议持续观测该指标，确认是否达到了预期效果。

内存使用率超过 95%

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	节点
  触发条件	监控指标：内存使用率 持续周期：持续3个周期 取值方式：最大值 比较方式：> 阈值：95%
  告警级别	警告

  示例如下：
  

• 处理建议
  触发告警后，您可以通过以下方式处理。处理后建议持续观测该指标，确认是否达到了预期效果。

  • 如果是短暂的业务高峰，建议持续观察业务运行状态和资源水位。
  • 检查实例是否已达到当前计算规格的各个阈值，例如 TPS 等。如果任意一项规格限制达到了计算规格的最大限制，则推荐升级实例规格，以便提高实例的各项处理性能。操作步骤请参考升级实例规格。

节点连接数过高

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	节点
  触发条件	监控指标：节点连接数 持续周期：持续3个周期 取值方式：最大值 比较方式：> 阈值：18000
  告警级别	通知

  示例如下：
  

• 处理建议
  触发告警后，建议根据业务需求合理设置 IP 连接数。处理后建议持续观测该指标，确认是否达到了预期效果。

分区堆积维度

分区消息堆积

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	分区
  触发条件	监控指标：分区消息堆积量 持续周期：持续1个周期 取值方式：最大值 比较方式：> 阈值：根据业务需求自定义设置
  告警级别	警告

  示例如下：
  

• 处理建议
  触发告警后，您可以通过以下方式处理。处理后建议持续观测该指标，确认是否达到了预期效果。

  • 查看实例流量是否已接近规格上限，判断是否需要紧急扩容，防止流量超出实例规格导致消息堆积。
  • 排查生产环境，判断消费者客户端是否出现消费问题，导致消费堆积。如果确定是消费侧性能问题，及时扩容消费者或者提升单个消费者的消费性能。

消费组维度

消费组消息堆积

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	消费组
  触发条件	监控指标：消费组消息堆积量 持续周期：持续3个周期 取值方式：最大值 比较方式：> 阈值：根据业务需求自定义设置
  告警级别	通知

  示例如下：
  

• 处理建议
  触发告警后，您可以通过以下方式处理。处理后建议持续观测该指标，确认是否达到了预期效果。

  • 查看实例流量是否已接近规格上限，判断是否需要紧急扩容，防止流量超出实例规格导致消息堆积。
  • 排查生产环境，判断消费者客户端是否出现消费问题，导致消费堆积。如果确定是消费侧性能问题，及时扩容消费者或者提升单个消费者的消费性能。

消费组重均衡次数大于 20

• 告警规则配置
  告警规则的核心配置如下。创建告警规则的操作步骤请参考设置告警规则。

  配置	取值
  维度	消费组
  触发条件	监控指标：消费组重均衡次数 持续周期：持续3个周期 取值方式：最大值 比较方式：> 阈值：20
  告警级别	警告

  示例如下：
  

• 处理建议
  重均衡在消费者加入或者退出的时候触发，频繁的重均衡可能是由于消费者消费异常频繁重启导致，请查看消费者状态是否正常。
  若在业务初始化或者重启过程中出现，可忽略该异常告警。