HertzBeat监控系统中实现消息分类通知的技术方案
2025-06-03 11:10:46作者:廉皓灿Ida
背景与需求分析
在现代分布式系统监控场景中,一个统一的监控中心往往需要管理多个不同业务线的服务监控。这些服务通常由不同的运维团队负责维护,因此监控告警消息需要能够精准地路由到对应的责任人,而不是简单地广播给所有相关人员。HertzBeat作为一款开源监控系统,在1.6.1版本中已经提供了基础的通知策略功能,但用户反馈现有机制尚不能满足细粒度的消息分类通知需求。
核心问题剖析
通过对用户反馈的分析,我们可以识别出两个关键的技术需求点:
- 监控项级别的接收人配置:用户希望在创建每个监控任务时,能够直接指定该监控项的告警接收人
- 基于标签的消息路由:用户期望在消息通知配置中增加标签筛选功能,通过标签系统实现消息的自动分类和定向发送
技术实现方案
方案一:监控项关联接收人
在监控项创建页面增加接收人配置字段,技术上需要考虑:
- 数据库层面扩展监控项表结构,增加接收人字段(可设计为JSON数组格式存储多个接收人)
- API接口需要新增接收人参数
- 告警引擎需要修改告警触发逻辑,优先使用监控项级别的接收人配置
// 伪代码示例:监控项实体扩展
public class Monitor {
private Long id;
private String name;
// 新增接收人配置
private List<String> receivers;
// 其他原有字段...
}
方案二:基于标签的通知策略
在现有通知策略基础上增强标签过滤功能:
- 为监控项增加标签系统(可复用现有标签功能或新建关联表)
- 通知策略配置界面增加标签匹配条件
- 告警触发时执行标签匹配逻辑,确定最终接收人
-- 伪SQL:标签关联表设计
CREATE TABLE monitor_tags (
monitor_id BIGINT,
tag_id BIGINT,
PRIMARY KEY (monitor_id, tag_id)
);
实现建议与最佳实践
对于HertzBeat项目,推荐采用以下实施路径:
- 优先完善标签系统:构建完善的监控项标签体系,为后续各种分类功能打下基础
- 分阶段实现:
- 第一阶段:实现基础标签与通知策略的关联
- 第二阶段:增加监控项级别的接收人覆盖功能
- 保持向后兼容:确保新增功能不影响现有通知策略的使用
技术难点与解决方案
-
性能考量:
- 对于大规模监控项,实时标签匹配可能带来性能压力
- 解决方案:采用异步处理机制,或预先生成监控项-接收人映射关系
-
配置冲突处理:
- 当监控项接收人与策略接收人配置冲突时,需要明确的优先级规则
- 建议:提供配置选项,允许用户设置默认优先策略
总结
HertzBeat监控系统通过增强消息通知的路由能力,可以更好地适应企业级监控场景中多团队协作的需求。实现消息分类通知不仅能提高告警处理的效率,也能减少不必要的消息干扰。建议开发团队考虑在后续版本中逐步实现这些增强功能,同时保持系统的简洁性和易用性。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue07- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
573
3.87 K
Ascend Extension for PyTorch
Python
394
472
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++
899
697
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
358
219
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
124
161
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.39 K
785
昇腾LLM分布式训练框架
Python
122
148
暂无简介
Dart
811
199
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
533
236
React Native鸿蒙化仓库
JavaScript
312
364