用 Prometheus 碰到个奇怪的问题，百思不得其解

--问题：告警是正常的，恢复告警的发送不正常。

举例：以下面的 cpu 规则为例，如果 cpu 超过所设的阈值 90，是能接到告警的。如下：

·Status: firing

·StartsAt: 2020-10-18T10:44:22.718516222Z

·Discription: 命名空间 xx 的 pod xx-xx-testpod 当前的 CPU 使用率已达到 99.89.

但接到告警恢复的通知时，数值往往大于 90%...（也有正常的恢复）

·Status: resolved

·StartsAt: 2020-10-18T10:44:22.718516222Z

·Discription: 命名空间 xx 的 pod xx-xx-testpod 当前的 CPU 使用率已达到 98.11.

按我的理解 恢复通知只有 cpu < 90 持续 resolve_timeout 的值 之后才能触发，现在是哪里配置有问题吗？

1. 相关组件都是通过 kubernetes operator 部署在 k8s 集群中的。

2. PrometheusRule：

   • alert: PodCPUOvercommit

     description: 命名空间 {{ $labels.namespace }} 的 pod {{ $labels.pod }} 当前的 CPU 使用率已达到 {{ printf "%.2f" $value }}.

     expr: | 100 * (sum(rate(container_cpu_usage_seconds_total{namespace!~"monitoring",container!=""}[1m])) by (pod,namespace) / sum(kube_pod_container_resource_limits_cpu_cores{namespace!~"monitoring",container!=""}) by (pod,namespace)) > 90

     for: 3m

3. alertmanager

global:

resolve_timeout: 1m

route:

group_by: ['alertname']

group_wait: 10s

group_interval: 1m

repeat_interval: 12h

receiver: 'webhook'

receivers:

• name: 'webhook'

  webhook_configs:

  • url: 'http://x.x.x.x:xx/'

    send_resolved: true