指标与告警规则
Beacon 判断所依据的一切都是 VictoriaMetrics 里的指标，每条告警都是在其上计算的 vmalert 规则（数据来源）。本页按家族列出指标，以及参考部署在 deploy/rules/ 里自带的每条告警规则——每条都指向 deploy/runbooks/ 里它的手册。自己的规则也照这样写：vmalert 的格式，像发给 Alertmanager 一样发给网关，带上标签 severity 和 service、注释 summary。
每个指标从哪来
- 检测点推送检测结果和各位置的主机指标到网关，网关按目录打标签（数据来源）。
- 中心导出自己的状态，在
/metrics、17001 端口，只应答直连：VictoriaMetrics 每分钟抓取一次，按deploy/metrics/scrape.yml的配置，连同 vmalert 和 VictoriaMetrics 自己。 - 检测程序随每次推送报告它自己，所以每个位置的队列和推送错误按位置可见。
中心自己的指标
在 /metrics 上（参考抓取配置里的 job beacon）：
| 指标 | 标签 | 含义 |
|---|---|---|
beacon_build_info | version、go | 运行中的构建 |
beacon_start_time_seconds | 服务何时启动 | |
beacon_bridge_ready | 此刻告警能否送到人，1 表示能 | |
beacon_alert_groups_firing | severity | 触发中的告警群，按级别 |
beacon_alerts_firing | 路由器持有的触发中告警 | |
beacon_notifications_total | channel、result | 已发送的通知，按渠道和结果 |
beacon_feishu_api_calls | 本月飞书应用 API 调用，对着预算 | |
beacon_gateway_requests_total | route、code | 指标网关的请求，按路径和状态码 |
beacon_gateway_changes_limited_total | 因令牌每分钟发送超过 60 个而被拒的变更事件 | |
beacon_probe_now_requests_open | 等检测点应答的按需检测请求 | |
beacon_probe_now_requests_total | Agent 发起的按需检测请求 | |
beacon_probe_now_answers_total | location | 检测点对按需检测请求的应答 |
beacon_probe_now_missing_total | location | 没有按时应答的位置 |
beacon_expected_location | location、region、network | 此刻应该上报的每个位置为 1：谁没了声音一条规则就能查出 |
beacon_heartbeat_max_age_seconds | heartbeat、severity、machine | 心跳多久没上报就告警，来自目录 |
beacon_resource_expiry_timestamp_seconds | resource、kind | 服务器、域名、证书或令牌何时到期，来自目录 |
beacon_rotation_resolve_success | rotation | CDN 集群的 DNS 名是否解析成功 |
beacon_rotation_members | rotation | CDN 集群的 DNS 名解析出几个地址 |
beacon_location_in_rotation | location、rotation、role | 位置的 CDN 节点是否在其集群的 DNS 应答里 |
beacon_rotation_unknown_address | rotation、address | 目录里没有位置认领的一个应答地址 |
beacon_token_expiry_timestamp_seconds | token、subject | API 或网关令牌何时过期 |
go_goroutines、go_memstats_heap_inuse_bytes、go_memstats_sys_bytes、process_resident_memory_bytes | 进程本身 |
检测结果
沿用 Blackbox Exporter 的指标名，为谁写的规则都能用：probe_success、probe_duration_seconds、probe_http_status_code、probe_ssl_earliest_cert_expiry，另有两者：probe_failure_info{reason} 说明失败原因，beacon_probe_attempts 说明试了几次。网关给每个结果打上目录里的 location、region、network 和 host 标签，目标自己的标签——service、severity、failure_domain、module——直达规则和卡片。
主机以 node_* 指标上报，读自 /proc（node_cpu_seconds_total、node_memory_*_bytes、node_disk_*_total、node_network_*_total、node_time_seconds）；心跳是一个样本：beacon_heartbeat_last_success_timestamp_seconds{heartbeat}。
检测程序自己
随每次推送上报，因此按位置可见：beacon_probe_build_info、beacon_probe_targets、beacon_probe_queue_batches 和 beacon_probe_queue_bytes（磁盘上等着发给网关的内容）、beacon_probe_push_errors_total、beacon_probe_last_push_timestamp_seconds。
告警规则
参考规则是四个文件；每组说明自己看哪个指标。deploy/rules/probes.yml 里的记录规则（beacon: 系列）承载中间步骤——一个位置持续失败 3 分钟才算失败，一个服务一天的可用率是 avg_over_time(beacon:service_up[1d])——告警建立在它们之上。
服务可用性
deploy/rules/probes.yml，基于 probe_success{job="probe"}。一个位置说了不算：至少两个位置失败、且不少于上报位置的一半，才算服务中断。
| 告警 | 级别 | 持续 | 何时 |
|---|---|---|---|
ServiceDown | 目标的 severity；没有则 critical | 1m | 服务在至少一半上报位置（且至少两个）失败 3 分钟 |
ServiceDegraded | warning | 5m | 至少两个位置失败，但不到一半：部分故障，通常是一个 CDN 节点或一条网络路径 |
MainlandPathDegraded | warning | 5m | 所有大陆位置失败而海外成功：是从中国大陆出去的路径，不是服务 |
ProbeLocationDown | warning | 5m | 一个位置 10 分钟没有上报（beacon_expected_location 对 probe_success） |
会到期的东西
deploy/rules/expiry.yml，基于目录的导出、检测点看到的证书和心跳的样本。
| 告警 | 级别 | 持续 | 何时 |
|---|---|---|---|
ResourceExpiring | warning，之后 critical | — | 目录里的资源 30 天内到期；7 天内转紧急 |
CertificateExpiring | warning，之后 critical | — | 各位置看到的最早证书到期时间在 14 天内；7 天内转紧急（Let's Encrypt 提前 30 天续期，14 天意味着续期已两次落空） |
HeartbeatStale | 心跳自己的 severity | — | 任务没有在它的 max_age 内上报成功 |
HeartbeatMissing | 心跳自己的 severity | 1d | 目录里的心跳从未上报（新的心跳有一天先成功一次） |
DNS 轮换
deploy/rules/cdn.yml，基于 beacon_location_in_rotation 及其同类，面向写了地址和轮换的 CDN 节点。
| 告警 | 级别 | 持续 | 何时 |
|---|---|---|---|
CDNNodeOutOfRotation | warning | 15m | 主节点活着，集群 DNS 却不回答它的地址：它不服务任何人 |
CDNStandbyInRotation | info | 5m | 备用节点在服务：某个主节点故障或被摘除 |
CDNRotationUnknownAddress | warning | 30m | 轮换回答了一个目录里没有位置认领的地址：没人在看的节点 |
CDNRotationResolveFailing | warning | 10m | 轮换的 DNS 名从监控主机解析不出来 |
监控本身
deploy/rules/meta.yml，基于对中心、vmalert 和 VictoriaMetrics 的抓取（deploy/metrics/scrape.yml）。「监控挂了」不是这里的规则：Watchdog 一直在触发，Beacon 收到它且告警能送达时每分钟 ping 一次 healthchecks.io；整台机器停下时 ping 停下，healthchecks.io 从外部报警。
| 告警 | 级别 | 持续 | 何时 |
|---|---|---|---|
Watchdog | none（从不展示） | — | 链路正常时一直在触发；Beacon 把它计入就绪判断 |
VMAlertRuleErrors | warning | 5m | vmalert 评估某个规则组失败；组里的告警可能不触发 |
VictoriaMetricsDiskLow | warning | 10m | 数据卷可用空间低于 5 GB；低于下限后 VictoriaMetrics 不再收数据 |
GatewayErrors | warning | 10m | 网关某条路径连续 10 分钟答服务器错误，通常是 VictoriaMetrics 拒写 |
ProbeQueueBacklog | warning | 15m | 某位置的检测程序磁盘队列超过 8 MB；到 64 MB 会丢最老的批次 |