Alertmanager收不到firing告警的主因是告警分组label缺失或不一致，需在rule中显式定义service和instance标签，并确保target_labels正确映射；误报源于阈值脱离业务基线，应结合历史P95分布与业务语义设定；Webhook缺上下文因模板未显式引用labels字段；多模块panic源于全局注册器冲突，须用独立Registry替代DefaultRegistry。

为什么 Alertmanager 收不到 firing 告警

不是 Prometheus 没触发规则，而是 Alertmanager 根本没收到——最常见原因是告警分组 label 缺失或不一致。

• service 和 instance 必须同时出现在告警 rule 的 labels 里，否则 Alertmanager 无法路由、分组、去重
• 别依赖 Prometheus 自动注入：rule 中要显式写 labels: { service: "payment", instance: "{{ $labels.instance }}" }
• 如果用了 Kubernetes Service DNS 作为 instance，确保 scrape_configs 中 target_labels 正确映射，否则 $labels.instance 是空的
• 检查 Alertmanager 日志是否有 dropping alert due to missing group key —— 这是 label 不全的直接证据

告警阈值为什么总误报

用固定百分比（比如 rate(http_requests_total{code=~"5.."}[5m]) / rate(http_requests_total[5m]) > 0.01）而不看基线，等于在猜业务行为。

• 先查历史基线：rate(http_requests_total{code=~"5.."}[1h]) / rate(http_requests_total[1h]) 跑一整天，看 P95 分布
• 对延迟类指标，永远别用 avg()：用 histogram_quantile(0.95, rate(http_request_duration_seconds_bucket[5m]))
• 错误率告警加 duration 条件：AND ON() (count_over_time(ALERTS{alertstate="firing"}[2m]) >= 2) 避免瞬时抖动触发
• 业务语义优先：支付失败率 0.2% 可能正常，但登录失败率 0.2% 就该立刻告警

Webhook 发出去的告警信息总是缺上下文

Alertmanager 默认只渲染 summary 和 description，而 trace_id、order_id、user_id 这些关键字段藏在 labels 里，模板不显式引用就丢了。

Golang Spf13 Viper

Go 配置库，使用 spf13/viper — 分层优先级（flag > env >file > KV > default），提供 BindPFlag/BindPFlags、SetEnvPrefix + SetEnvKeyReplace 等功能。

下载

• 在 alert.rules.yml 中提前把业务字段塞进 labels：labels: { service: "order", trace_id: "{{ $labels.trace_id }}", order_id: "{{ $labels.order_id }}" }
• Webhook 模板里必须用 {{ .Labels.trace_id }}，不能指望日志采集端二次 enrich
• 企业微信/钉钉接口有频率限制，repeat_interval: 1h 必须配，否则同一告警每分钟刷一次
• 测试 Webhook 时，用 curl -X POST http://your-webhook/ -d @sample-alert.json 直接发原始 payload，绕过 Alertmanager 缓存

多模块服务 panic: duplicate metrics collector registration attempted

全局注册器冲突不是配置问题，是代码结构问题——尤其当你引入了云厂商 SDK 或中间件包时，它们可能偷偷调了 prometheus.MustRegister()。

立即学习“go语言免费学习笔记（深入）”；

• 永远不用 prometheus.DefaultRegistry：创建独立 registry：reg := prometheus.NewRegistry()
• 所有自定义指标注册都走这个 reg：reg.MustRegister(httpRequestsTotal)
• HTTP handler 必须显式传入：promhttp.HandlerFor(reg, promhttp.HandlerOpts{})
• /metrics 路由别硬编码为 /metrics，微服务可能有多个 endpoint（如 /admin/metrics），需统一前缀约定

真正落地时，最难的不是写规则，而是让每条告警都能对应到一个可执行的动作。比如“P95 延迟超 800ms”后面得跟一句“检查下游 inventory-service 的 /health 状态”，而不是只抛个数字。指标、标签、上下文、动作，四者缺一不可。