Serverless 监控告警：基于 CloudWatch + Prometheus 的指标采集与告警配置

1. 整体架构

• 数据流：
  Serverless 服务（如 AWS Lambda）产生指标 → CloudWatch 采集存储 → Prometheus 通过 Exporter 拉取 → Alertmanager 触发告警
• 核心组件：
  • CloudWatch：原生监控服务，自动采集 Lambda 的$CPU$、内存、调用次数等指标
  • Prometheus：通过cloudwatch_exporter抓取 CloudWatch 数据，存储为时序数据
  • Alertmanager：基于 Prometheus 规则触发告警

2. 指标采集配置

(1) CloudWatch 自动采集

Lambda 默认向 CloudWatch 推送以下指标：

• 调用次数（Invocations）
• 错误率（Errors）
• 持续时间（Duration）
• 并发数（ConcurrentExecutions）

(2) 部署 CloudWatch Exporter

步骤：

1. 创建 IAM 角色，授予 Exporter 读取 CloudWatch 的权限
2. 配置 Exporter 的config.yml，定义需抓取的指标：

region: us-east-1
metrics:
 - aws_namespace: AWS/Lambda
   aws_metric_name: Duration
   aws_dimensions: [FunctionName]
   aws_statistics: [Average]

1. 启动 Exporter 暴露端口（默认 9106）

(3) Prometheus 抓取配置

在prometheus.yml中添加：

scrape_configs:
 - job_name: cloudwatch
   static_configs:
     - targets: ['exporter-ip:9106']

3. 告警规则配置

(1) Prometheus 告警规则

在alerts.yml中定义阈值规则：

groups:
- name: lambda-alerts
  rules:
  - alert: HighErrorRate
    expr: sum(rate(AWSLambda_Errors_total[5m])) by (FunctionName) > 0.05
    for: 10m
    labels:
      severity: critical
    annotations:
      summary: "高错误率: {{ $labels.FunctionName }}"
      description: "5分钟内错误率超过5%"

公式说明：
错误率计算：$\text{错误率} = \frac{\sum \text{错误调用次数}}{\sum \text{总调用次数}}$
阈值判断：$\text{错误率} > 0.05$

(2) Alertmanager 路由配置

route:
  receiver: slack-notifications
receivers:
- name: slack-notifications
  slack_configs:
  - api_url: 'https://hooks.slack.com/services/...'
    channel: '#serverless-alerts'

4. 关键优化实践

• 冷启动监控：
  通过自定义指标$(\text{InitDuration} > 1000\text{ms})$捕获 Lambda 冷启动延迟
• 成本关联告警：
  设置 $\text{ConcurrentExecutions} \times \text{Duration} > \text{预算阈值}$
• 动态采样：
  对高流量函数使用$\text{采样率} = \frac{1}{\log_2(\text{调用次数})}$降低存储开销

5. 验证流程

graph LR
A[Lambda触发] --> B(CloudWatch存储指标)
B --> C{Exporter抓取}
C --> D[Prometheus计算规则]
D --> E>Alertmanager触发]
E --> F[[Slack/邮件告警]]

注：该方案优势在于

• 利用 CloudWatch 免管理采集
• 通过 Prometheus 实现灵活的多维度告警
• 避免在 Serverless 环境中部署完整 Agent 的资源消耗