Pytorch图像去噪实战（七十二）：Alertmanager告警实战，接口错误率和GPU显存异常自动通知

Pytorch图像去噪实战（七十二）：Alertmanager告警实战，接口错误率和GPU显存异常自动通知

一、问题场景：服务已经挂了，但没人知道

上一节我们搭建了 Prometheus + Grafana 监控看板。

但监控有一个问题：

你得主动去看。

真实生产环境中，不能指望人一直盯着 Grafana。
如果图像去噪服务出现这些情况：

• 接口错误率升高
• P95耗时突然变大
• GPU显存接近耗尽
• 服务实例宕机
• Redis队列堆积
• 磁盘空间不足

系统应该主动通知你。

这一篇我们加入 Alertmanager，实现基础告警。

二、告警体系架构

Prometheus | | 触发规则 v Alertmanager | | 通知 v Webhook / 邮件 / 企业微信 / 钉钉

本文先实现：

Prometheus规则 + Alertmanager Webhook

实际项目中可以替换成企业微信或