引擎自监控指标

告警引擎（monitedge）在本地暴露一组 Prometheus 指标，覆盖三项会静默停掉监控的故障：与中心的连接断了、规则同步卡住了、规则一直在评估失败。把它们采集到您自己的时序库，就可以在控制台之外持续判断这台引擎是否还在正常工作。这些指标不在控制台展示，也没有对应的菜单入口，只能从引擎的 /metrics 读取。

采集方式

/metrics 与引擎的 http.listen 是同一个端口，默认 0.0.0.0:6868，不需要认证。用您自己的 Prometheus 或 VictoriaMetrics 直接抓取该地址即可：

scrape_configs:
  - job_name: monit-edge
    static_configs:
      - targets: ["10.0.0.1:6868"]

Flashduty 不会代为抓取这些指标。控制台的告警引擎状态页展示的是实例清单、心跳与版本，不含这些指标；指标只存在于您自己的时序库中。

不要让被监控的这台引擎评估它自己的指标告警。 引擎进程退出、租约不处于 ACTIVE（例如与中心的心跳中断）时，跑在这台引擎上的规则既不进行评估也发不出事件。引擎是否存活请用中心侧的引擎失联告警兜底；下文这些指标告警适合放在您自己的 Prometheus/Alertmanager 上，或另一个引擎集群上评估。

与中心的连接

指标	类型	标签	说明
`monit_edge_websocket_connected`	Gauge	—	当前是否持有到中心的 WebSocket 连接，1 为在线、0 为不在线。控制台的查询预览、实体运行状态都走这条连接
`monit_edge_websocket_connects_total`	Counter	—	拨号成功的累计次数，含首次连接。持续增长说明连接在反复重建
`monit_edge_websocket_dial_failures_total`	Counter	—	拨号失败的累计次数。它一直涨而 `connects_total` 不涨，就是连不上中心（网络、代理或中心拒绝）
`monit_edge_lease_info`	Gauge	`session_mode`、`phase`	恒为 1，用 `phase` 读租约阶段：`BOOT`、`INITIALIZING`、`ACTIVE`、`FENCED`。只有 `ACTIVE` 阶段才评估规则并投递事件
`monit_edge_lease_renewal_age_seconds`	Gauge	—	距上一次心跳续租成功过去的秒数。心跳默认每 10 秒一次，可用 `alerter.heartbeatInterval` 调整；租约有效期由中心下发
`monit_edge_webapi_access_blocked`	Gauge	—	1 表示中心因授权或 license 原因永久拒绝，该进程已停止与中心通信，恢复授权后需要重启引擎

# 连接断了 5 分钟以上
monit_edge_websocket_connected == 0

# 租约不在 ACTIVE 超过 2 分钟：引擎既不评估也不投递（按实例分别判断）
monit_edge_lease_info{phase!="ACTIVE"} == 1

# 最近 10 分钟内出现过拨号失败
increase(monit_edge_websocket_dial_failures_total[10m]) > 0

以 -alerter.webSocketDisable 启动的引擎不会建立 WebSocket 连接，monit_edge_websocket_connected 恒为 0，connects_total 也不增长。这类实例上不要用 monit_edge_websocket_connected 判断连接健康度；租约相关指标不受该参数影响。

规则同步

引擎默认每 10 秒从中心同步一次规则。

指标	类型	标签	说明
`monit_edge_alert_rule_sync_age_seconds`	Gauge	—	距上一次同步成功过去的秒数；从未同步成功时为 0，此时看 `monit_edge_alert_rule_sync_status{outcome="pending"}`
`monit_edge_alert_rule_sync_status`	Gauge	`outcome`	最近一次同步的结果，值恒为 1，只在当前结果的 `outcome` 上出现一条：`success`、`error`，或 `pending`（还没同步过）
`monit_edge_alert_rule_sync_rules`	Gauge	—	最近一次同步成功时中心分配给这台引擎的规则数。它掉到 0 或远小于预期时，先确认规则是否被停用、数据源绑定或实例分片是否变化

# 同步停滞 3 分钟以上：中心新建或修改的规则不会生效
monit_edge_alert_rule_sync_age_seconds > 300

# 最近一次同步失败
monit_edge_alert_rule_sync_status{outcome="error"} == 1

规则评估

指标	类型	标签	说明
`monit_edge_alert_rule_evaluations_total`	Counter	`outcome`、`error_type`	评估轮次累计。`outcome` 为 `success` 或 `error`；成功轮次的 `error_type` 是空字符串，失败轮次的取值见下表
`monit_edge_alert_rule_evaluation_duration_seconds_total`	Counter	—	评估耗时累计（秒），除以 `evaluations_total` 的 `success` 与 `error` 之和，得到平均每轮评估耗时
`monit_edge_alert_rule_scopes`	Gauge	`datasource_id`、`state`	按数据源统计每条“规则 × 数据源”作用域的最新状态，每个数据源固定三条：`ok`、`failing`、`pending`（尚未完成首轮评估）
`monit_edge_alert_rule_failing_duration_seconds`	Gauge	`datasource_id`	该数据源上持续失败最久的那条作用域已失败的秒数；没有失败作用域时为 0

失败轮次的 error_type 取值是固定集合，可以直接按它分组做告警：

`error_type`	含义
`datasource_unavailable`	拿不到该数据源的连接，这一轮评估没有执行
`query_failed`	查询语句本身报错，如语法、权限或超时
`result_invalid`	查询返回的数据无法映射成规则需要的字段
`threshold_failed`	阈值判定这一步出错
`anydata_failed`	数据存在判定这一步出错
`nodata_failed`	数据缺失判定这一步出错
`recovery_failed`	恢复查询或恢复判定出错，这一轮不产生恢复事件

# 某个数据源上的规则持续失败 5 分钟以上
max by (datasource_id) (monit_edge_alert_rule_failing_duration_seconds) > 300

# 最近 15 分钟内按错误类型分布的失败轮次
sum by (error_type) (increase(monit_edge_alert_rule_evaluations_total{outcome="error"}[15m])) > 0

monit_edge_alert_rule_failing_duration_seconds 涨起来时，对照 monit_edge_alert_rule_scopes{state="failing"} 看范围：同一数据源下大量作用域同时失败，通常是这个数据源不可用；只有个别作用域失败，问题在那条规则的查询或阈值配置上。单条规则的执行状态和错误摘要见控制台的运行详情，说明见规则运行详情。

查询并发与版本

指标	类型	标签	说明
`monit_edge_alert_query_admission`	Gauge	`state`	普通告警与实体告警共用的查询并发准入：`waiting` 是排队等许可的查询数，`in_flight` 是正在执行的查询数
`monit_edge_alert_query_admission_rejected_total`	Counter	`reason`	被准入边界拒绝的累计数：`timeout` 是排队超时、这一轮评估被跳过，`canceled` 是调用方已取消
`monit_edge_build_info`	Gauge	`version`	恒为 1，`version` 是当前运行的引擎版本。Linux 自动升级是就地替换进程，PID 与 `process_start_time_seconds` 都不变，版本变化只能从这条指标看出来

# 最近 10 分钟内有查询因排队超时被跳过
sum(increase(monit_edge_alert_query_admission_rejected_total{reason="timeout"}[10m])) > 0

推荐告警

下表按“指标 + 持续条件”给出可以直接复制的规则。多实例部署时请保留 instance 或您自己的实例标签，避免不同实例的同名序列互相覆盖。

告警	PromQL	持续	处置
WebSocket 断连	`monit_edge_websocket_connected == 0`	5 分钟	控制台无法通过该引擎查询；检查到中心的网络与代理，用 `dial_failures_total` 的增长确认是否在反复重连
租约不在 ACTIVE	`monit_edge_lease_info{phase!="ACTIVE"} == 1`	2 分钟	引擎既不评估也不投递，按实例分别判断；看 `monit_edge_lease_renewal_age_seconds` 与心跳
中心永久拒绝	`monit_edge_webapi_access_blocked == 1`	1 次	授权或 license 问题，恢复后重启引擎
规则同步停滞	`monit_edge_alert_rule_sync_age_seconds > 300`	3 分钟	中心新建或修改的规则不生效；检查到中心的网络
规则同步失败	`monit_edge_alert_rule_sync_status{outcome="error"} == 1`	3 分钟	同上，并结合引擎日志看同步报错
规则从未同步成功	`monit_edge_alert_rule_sync_status{outcome="pending"} == 1`	3 分钟	`sync_age_seconds` 在从未同步成功时为 0，上一条告警不会触发；检查到中心的网络与引擎日志
规则持续评估失败	`max by (datasource_id) (monit_edge_alert_rule_failing_duration_seconds) > 300`	1 次	对照 `monit_edge_alert_rule_scopes{state="failing"}` 判断是数据源不可用还是单条规则查询有问题
查询准入排队超时	`sum(increase(monit_edge_alert_query_admission_rejected_total{reason="timeout"}[10m])) > 0`	3 分钟	某个数据源变慢占满了查询并发，这一轮评估被跳过

实体树告警走另一组指标（monit_edge_entity_alert_*），覆盖实体发现、条件查询和实体事件投递；本文只覆盖普通告警规则。

快速开始

数据源

查询工作台

仪表盘

实体树

告警引擎

告警规则

活跃告警

文件夹管理

常见问题

采集方式

与中心的连接

规则同步

规则评估

查询并发与版本

推荐告警

​采集方式

​与中心的连接

​规则同步

​规则评估

​查询并发与版本

​推荐告警

采集方式

与中心的连接

规则同步

规则评估

查询并发与版本

推荐告警