服务器半夜宕机无人知？TP6.0 Prometheus监控告警与企业微信通知【值班】

服务器半夜宕机没人知道——这种场景在运维圈里太常见了。问题的根源往往不是监控没配，而是告警链路断在了最后一步：alertmanager 没能把消息推送到企业微信。要么是连不上，要么是连上了但模板写错了，再不然就是 corp_id 权限没开对。

需要明确一点：Prometheus 本身不负责发通知，它的定位是“发现异常”。真正把告警推到微信里的，是 alertmanager。而企业微信这一端，接收消息必须满足三个硬条件：可信 IP 得对、api_secret 要正确、请求体格式必须符合企业微信 webhook 规范。任何一个环节出问题，告警就到不了你的手机。

Alertmanager 配置里最容易漏掉的三项

不少配置看起来跑通了，但消息就是收不到。问题基本都出在这三个细节上：

• corp_id 必须是「我的企业」页面底部显示的那串 12 位字符串（比如 wwa9fa8a0ab8180c78），不是企业名称，也不是域名，别搞混。
• to_party 填的是部门 ID（数字），不是部门名称。填错了，消息会静默失败，alertmanager 日志里只显示 status=400，不告诉你具体哪里不对。
• 企业微信后台「应用管理 → 自建应用 → 可信 IP」里，必须添加 alertmanager 所在服务器的公网出口 IP。注意，是公网 IP，不是内网 IP。加错了，请求直接被拦截，连日志都不会留下。

企业微信模板中的 message 字段必须用 tmpl 文件单独定义

alertmanager.yml 里的 message: '{{ template "wechat.tmpl" . }}' 不是直接写死的字符串，而是引用外部模板文件。这个 wechat.tmpl 得单独存在，而且路径必须和 alertmanager 启动时 --config.file 指定的相对路径一致。

常见的几个坑：

• 把模板内容直接塞进 alertmanager.yml 的 message 字段里，导致解析失败。
• 模板文件编码不是 UTF-8（尤其是 Windows 编辑后容易带上 BOM），alertmanager 启动时会报 parse error。
• 模板里用了 {{ .Labels.instance }} 这类变量，但实际告警根本没带 instance 标签（比如规则里没加 by (instance)），渲染出来为空，企业微信直接拒收。

告警规则触发了但没推送？先查 alertmanager 的 /status 页面

访问 http://alertmanager-host:9093/status，重点看三块：

• 「Active Alerts」列表里有没有你预期的告警——如果没有，说明 prometheus 根本没把告警发过来。这时候去检查 prometheus.yml 里的 alerting.alertmanagers.targets，看地址和端口是不是写对了（端口默认是 9093，不是 9090）。
• 「Silences」下面有没有误配的静默规则——比如设置了 starts at 为未来时间，或者匹配了所有 alertname 但忘记关闭。
• 点进某条活跃告警，看「Receiver」列是否显示 wechat——如果显示的是 none，说明路由匹配失败了。回去检查 alertmanager.yml 里的 route.receiver 和 receivers.name 是否完全一致（大小写敏感）。

企业微信机器人 vs 自建应用：该选哪个？

别用群机器人（就是那种 webhook URL 形式的）。它不支持 to_party、agent_id 等字段，只能往固定群里丢消息，没法按部门或人员做分级告警。值班场景下，必须走「自建应用」的方式，原因很简单：

• 可以精确控制推送范围（to_party 或 touser）。
• 支持消息卡片（msgtype: news），能直接展示指标趋势图的链接。
• 可以设置回调地址做告警确认，比如点击按钮自动标记“已处理”。
• 企业微信后台能看到每条消息的送达状态，方便事后审计。

另外提一嘴：自建应用的 api_secret 每次重置都会失效。改完之后务必同步更新 alertmanager.yml 并执行 reload，否则前面做的所有配置都白搭。