在Nightingale中实现飞书机器人@指定人员通知功能
2025-05-21 11:05:04作者:郁楠烈Hubert
背景介绍
Nightingale作为一款开源的监控告警系统,提供了丰富的通知渠道集成能力。在实际生产环境中,及时有效的告警通知对于运维团队至关重要。本文将详细介绍如何在Nightingale中配置飞书机器人实现@指定人员的通知功能。
技术实现方案
1. 飞书用户ID配置
要实现飞书机器人@人功能,首先需要在Nightingale的人员信息中添加飞书用户ID作为联系方式:
- 进入Nightingale系统管理界面
- 在人员信息管理中添加或编辑用户
- 添加名为"feishu_userid"的联系方式字段
- 填写该用户对应的飞书用户ID
2. 通知规则配置
在告警规则中,需要正确配置接收人及其联系方式:
- 创建或编辑告警规则
- 在接收人设置中选择需要@的人员
- 联系方式选择"feishu_userid"
- 确保通知媒介选择飞书机器人
3. 通知模板配置
飞书机器人的通知模板需要特殊配置以支持@人功能。以下是两种常见场景的模板配置:
单人通知模板
{
"msg_type": "interactive",
"card": {
"config": {
"wide_screen_mode": true
},
"header": {
"title": {
"content": "{{$tpl.title}}",
"tag": "plain_text"
},
"template": "{{if $event.IsRecovered}}turquoise{{else}}{{if eq $event.Severity 1}}red{{end}}{{if eq $event.Severity 2}}orange{{end}}{{if eq $event.Severity 3}}grey{{end}}{{end}}"
},
"elements": [
{
"tag": "div",
"text": {
"tag": "lark_md",
"content": "{{$tpl.content}}\n{{if eq $event.Severity 1}}<at id={{$sendto}}></at>{{end}}"
}
}
]
}
}
多人通知模板
{
"msg_type": "interactive",
"card": {
"config": {
"wide_screen_mode": true
},
"header": {
"title": {
"content": "{{$tpl.title}}",
"tag": "plain_text"
},
"template": "{{if $event.IsRecovered}}turquoise{{else}}{{if eq $event.Severity 1}}red{{end}}{{if eq $event.Severity 2}}orange{{end}}{{if eq $event.Severity 3}}grey{{end}}{{end}}"
},
"elements": [
{
"tag": "div",
"text": {
"tag": "lark_md",
"content": "{{$tpl.content}}\n{{if eq $event.Severity 1}}{{range $i, $sendto := $sendtos}}<at id={{$sendto}}></at>{{end}}{{end}}"
}
}
]
}
}
4. 模板变量说明
$tpl.title: 告警标题$tpl.content: 告警内容详情$sendto: 单个接收人的飞书用户ID$sendtos: 多个接收人的飞书用户ID数组$event.IsRecovered: 是否恢复告警$event.Severity: 告警严重级别(1-3)
最佳实践建议
-
严重级别控制: 如示例所示,可以配置仅在严重级别为1(最高级)时才触发@人功能,避免频繁打扰。
-
颜色区分: 利用header中的template字段,可以根据告警状态和级别显示不同颜色的卡片:
- 恢复告警: 蓝绿色
- 严重告警(1级): 红色
- 警告(2级): 橙色
- 提醒(3级): 灰色
-
测试验证: 配置完成后,建议先发送测试告警验证@人功能是否正常工作。
-
用户ID获取: 确保使用的飞书用户ID正确无误,可以通过飞书开放平台接口获取。
总结
通过以上配置,Nightingale系统可以充分利用飞书机器人的能力,实现精准的告警通知和人员提醒功能。这种方案相比简单的群消息通知,能够确保关键人员及时收到告警,提高故障响应速度。根据实际需求,还可以进一步定制通知内容和格式,使告警信息更加清晰有效。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
477
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
375
3.21 K
Ascend Extension for PyTorch
Python
169
190
暂无简介
Dart
615
140
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
仓颉编程语言测试用例。
Cangjie
36
852
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
258