说明

Amazon CloudWatch是亚马逊云上的统一监控平台，实现对云上所有资源的监控。Amazon CloudWatch Alarm可以基于Amazon CloudWatch Metrics里面的指标，根据自定义的规则触发警报。通过集成Amazon SNS和Amazon Lambda，可以实现邮件、短信、企业微信、钉钉、飞书等多种方式的通知。

但是，Amazon CloudWatch Alarm仅会在警报从【正常】状态转变为【告警】状态时触发一次警报。此后，即使警报仍然处于【告警】状态，也不会有新的通知产生。

本文将介绍，如何基于无服务器函数编排工具Amazon Step Functions，在警报被触发后轮询警报状态，实现持续报警的效果，以强调警报的存在，确保您系统中的问题可以得到足够的重视。

架构图

本方案包含如下组件：

组件说明：

（1）根据自己的需要，创建Amazon CloudWatch Alarm。

（2）Amazon CloudWatch Alarm会通过Amazon EventBridge，触发Amazon Step Functions工作流

（3）Amazon Step Functions工作流的具体内容见下文。工作流中会包含以下两个函数：

HandleAlarm：自定义的警报处理函数，用来实现通知逻辑。

CheckAlarm：下文会创建警报状态检查函数，用来判断是否继续发出通知。

部署流程

我们需要创建三个Lambda函数，一个状态机～

创建Lambda函数 Alarm_FeiShu

创建一个Lambda函数，命名为Alarm_FeiShu即报警函数，核心源码lambda_function.py，需要注意的是python运行时使用更高版本的Python3.9，如下：

上传zip代码包：

创建Lambda函数 CheckAlarm

创建一个Lambda函数，命名为CheckAlarm，使用Amazon SDK检测警报状态。使用Python 3.9作为runtime创建此函数，核心源码详见lambda_function.py

此函数需要调用cloudwatch:DescribeAlarms API，所以需要为此函数所使用的IAM Role添加此权限。

# 角色命名
CheckAlarmRole
# 附加权限
CloudWatchReadOnlyAccess

此函数会自动从event参数中解析出警报的名称。最终返回值为OK/ALARM/INSUFFICIENT_DATA/ERROR中的一个。

创建Lambda函数 Alarm_FeiShu_Response

创建一个Lambda函数，命名为Alarm_FeiShu_Response即报警恢复函数，核心源码lambda_function.py，需要注意的是python运行时使用更高版本的Python3.9。

创建Amazon Step Functions

使用如下内容创建Step Functions工作流即状态机，详见Functions_state_machine.json

需要把上述文档中的如下内容进行替换：

  • <AlarmHandler>: 响应警报的Lambda函数的ARN即Alarm_FeiShu和Alarm_FeiShu_Response。需要自行创建此函数，并在里面实现通知/处理逻辑。

  • <CheckAlarm>: 刚才创建的CheckAlarm函数的ARN。

默认创建Step Functions，那么轮询周期为5分钟（300秒）。可以通过修改文档中的下述内容来修改轮询周期：

"Wait": {
      "Type": "Wait",
      "Seconds": 1800, // 修改这个值,单位为秒,这里修改为30分钟
      "Next": "CheckAlarm"
},

上述文档会创建如下状态机：

当警报状态改变，触发此状态机时，会顺序执行下述操作：

（1）警报的状态是否是ALARM。如果不是，则调用Alarm_FeiShu_Response函数，最后跳转到Pass状态并结束状态机；

（2）调用Alarm_FeiShu函数，根据自定义的逻辑发出通知；

（3）进入Wait状态，等待一段时间；

（4）调用CheckAlarm函数，判断警报状态：

  • 如果函数返回OK，即警报已经恢复正常，则进入Pass 状态并结束状态机

  • 如果函数返回ALARM，即警报仍然在告警，则回到步骤1

  • 如果函数返回其他值，视为故障并进入Fail状态，结束状态机

此状态机的两个Lambda函数都在InputPath中引用了$$.Execution.Input变量，使它们即使被多次触发，或者在循环中被触发，也会有一致的输入值。

创建报警

我们需要创建cloudwatch报警规则，对应创建Amazon EventBridge --> 个规则，个规则中指定我们上面创建的状态机，以使它们之间可以联动起来。

配置CloudWatch警报

根据需求，创建CloudWatch警报。此方案会使用EventBridge触发Step Functions，所以它在创建的时候不需要配置任何通知。删除所有的通知，并直接点击Next。

创建完毕后，复制EventBridge规则：

配置EventBridge规则

创建EventBridge规则，目标为刚才创建的Step Functions状态机，规则配置步骤：

建议：规则名字与报警名字保持一致

说明：示例事件-可选可不用填写

说明：输入事件JSON即为上面提到的EventBridge规则

建议：执行角色使用创建新角色

至此，每当警报状态发生改变的时候，状态机就会被触发。如果警报的状态为【报警中】，状态机就会发出持续通知。

报警信息示例

报警恢复示例

补充状态机运行状态

当报警被触发后不到Wait规定的循环检查时间，该报警就恢复了，此时状态机运行逻辑如下：

当报警被触发后，经过Wait规定的循环检查时间后报警恢复，此时状态机运行逻辑如下：