Alarm

Was es ist

Ein Alarm ist ein automatisches Signal, dass ein überwachter Zustand
lange genug angehalten hat, um jemanden dafür zu unterbrechen. Im
Englischen lautet die Bezeichnung alert, in manchen Teams auch
alarm. Ein Alarm, der laut genug ist, die Person in Rufbereitschaft
zu wecken, heißt im Englischen meist Page.

Das Wort bezeichnet zwei verschiedene Dinge, die Prometheus
anschaulich trennt. Eine Alarmregel in Prometheus erzeugt Alarme:
einen pro unterschiedlicher Labelkombination, für die der Ausdruck
ein Ergebnis liefert. Diese Alarme gehen an ein separates Programm,
den Alertmanager. Er macht daraus Benachrichtigungen wie eine
E-Mail, eine Chatnachricht oder einen Aufruf eines
Rufbereitschaftsdienstes. Das Projekt sagt ausdrücklich, dass
Alarmregeln allein kein vollständiges Benachrichtigungssystem sind.
Die Trennung ist wichtig, weil die Zahlen auseinandergehen. Fünfzig
Alarme können als eine Nachricht ankommen, ein Alarm kann alle paar
Stunden eine Erinnerung erzeugen, und ein stummgeschalteter Alarm
erreicht niemanden, obwohl er weiterhin aktiv ist.

Ein Alarm hat einen kurzen Lebenszyklus. Solange der Ausdruck nichts
zurückgibt, ist er inaktiv. Beim ersten Ergebnis ist er ausstehend
und bleibt das so lange, wie die `for`-Klausel verlangt. Ist die
Bedingung nach dieser Wartezeit weiterhin erfüllt, wird er aktiv und
zur Zustellung weitergereicht. Gilt die Bedingung nicht mehr, ist
der Alarm behoben. Eine neuere Klausel, `keep_firing_for`, hält
einen aktiven Alarm nach dem Wegfall seiner Bedingung noch eine
Weile offen. Die Dokumentation beschreibt dies als Schutz gegen
ständiges Umschalten und fälschliche Entwarnungen. Prometheus
erfasst ausstehende und aktive Zustände außerdem in einer Zeitreihe
namens `ALERTS`, sodass auch die Alarme selbst abgefragt und
grafisch dargestellt werden können.

Eine Regel, die vor der Aktivierung zwanzig Minuten wartet und vor
der Entwarnung weitere zehn, sieht so aus:

```yaml
groups:
    - name: exports
      rules:
          - alert: ExportQueueStalled
            expr: exports_waiting > 0 and rate(exports_done_total[15m]) == 0
            for: 20m
            keep_firing_for: 10m
            labels:
                severity: page
                team: billing
            annotations:
                summary: "{{ $value }} exports queued and none finishing"
```

Labels und Annotationen sehen ähnlich aus, erfüllen aber
verschiedene Aufgaben. Labels gehören zur Identität eines Alarms.
Der Alertmanager verwendet sie zur Wahl des Empfängers: `severity:
page` könnte ein Telefon erreichen, während `severity: ticket` in
einer Warteschlange landet. Annotationen enthalten die Wörter, die
ein Mensch nach dem Empfang braucht: eine einzeilige
Zusammenfassung, eine längere Beschreibung oder einen Link zur
Handlungsanweisung für den ersten Schritt. Vorlagen können dabei die
Labels und den auslösenden Wert einsetzen. So kann die
Zusammenfassung oben eine Zahl nennen.

Alarm und Incident sind aus gutem Grund unterschiedliche Wörter. Ein
Alarm meldet, dass eine Bedingung vorlag. Ob dieser Zustand als
Incident zu gelten hat, entscheidet ein Mensch.

Warum es wichtig ist

Ein Alarm ist der einzige Teil der Überwachung, der nicht darauf
wartet, angesehen zu werden. Eine Metrik liegt im Speicher, ein
Dashboard wartet auf einem Bildschirm, ein Protokoll auf eine Suche.
Ein Alarm greift in den Abend eines Menschen ein. Jede Alarmregel
beansprucht damit dauerhaft ein kleines Stück Aufmerksamkeit.
Gerechtfertigt ist das nur, wenn der Empfänger etwas tun kann. Die
Prometheus-Empfehlungen raten deshalb von dringlichen
Benachrichtigungen ohne Handlungsmöglichkeit ab und empfehlen
einfache Alarmierung.

Der zweite Grund ist rechnerisch. Eine Ursache löst meist mehrere
Regeln zugleich aus. Trennt eine Netzwerkpartition die Hälfte der
Dienstinstanzen von ihrer Datenbank, kann jede Instanz einen eigenen
Alarm auslösen. Die Alertmanager-Dokumentation verwendet genau
diesen Fall, um zu zeigen, wie aus Hunderten von Alarmen eine
Benachrichtigung wird. Der Alertmanager sammelt Alarme mit
gemeinsamen, in `group_by` benannten Labels und wartet `group_wait`,
standardmäßig 30 Sekunden, damit die erste Nachricht die ganze
Gruppe enthält. Aktualisierungen gehen nicht häufiger als alle
`group_interval`, also 5 Minuten, hinaus. Eine noch aktive Meldung
wird nach `repeat_interval`, also 4 Stunden, wiederholt. Inhibition
geht weiter und unterdrückt bestimmte Alarme, solange ein anderer
aktiv ist. Ein Alarm über einen unerreichbaren Cluster kann so die
Meldungen seiner einzelnen Dienste unterdrücken. Silences schalten
Alarme mit passenden Labels für eine feste Zeit stumm,
typischerweise während geplanter Wartung.

Der dritte Grund ist das Ende der Geschichte. Die meisten Empfänger
senden nach der Behebung eine Entwarnung. Beim E-Mail-Empfänger
steht `send_resolved` jedoch standardmäßig auf false. Ein Team mit
E-Mail-Alarmierung kann deshalb vom Beginn erfahren, ohne je vom
Ende zu hören.

Wie es in der Praxis aussieht

Der eigene Host des Unternehmens verwendet einen Alarm bei
ausbleibendem Signal. Seine 464 MB Speicher tragen einen Webserver
und eine Forge; erschöpfter Arbeitsspeicher und eine volle
Festplatte sind zwei wichtige Ausfallrisiken. Ein Timer auf dem Host
sendet nur dann ein Lebenszeichen an einen externen Dienst, wenn
seine Prüfungen der Grenzwerte für verfügbaren Arbeitsspeicher und
freien Plattenplatz bestanden werden, alle fünfzehn Minuten mit
etwas zeitlicher Streuung. Der externe Dienst löst Alarm aus, wenn
die erwarteten Signale ausbleiben. Fehler, die die Ausführung des
Skripts oder den Kontakt zu diesem Dienst verhindern, darunter
Netzverlust oder ein fehlgeschlagener Start, führen zu einem
ausbleibenden Signal. Ein empfangenes Signal bestätigt, dass das
Skript lief und seine Prüfungen der Grenzwerte für verfügbaren
Arbeitsspeicher und freien Plattenplatz bestanden wurden. Es
bescheinigt weder den allgemeinen einwandfreien Zustand des Hosts
noch, dass die Website ausgeliefert wird. Die Überwachung kann
Warnzeichen sichtbar machen; wann diese auftreten, hängt jedoch von
der Arbeitslast und den beobachteten Bedingungen ab.

Dieselbe Umkehrung kann geplante Arbeit schützen. Die
Sicherungsimplementierung trennt Erfolgssignale für Sicherung und
Wiederherstellung. Skripte und systemd-Units unterstützen
verschlüsselte Snapshots außerhalb des Hosts, Integritätsprüfungen
und einen monatlichen Wiederherstellungstest mit einer bekannten
Datei. Ein Erfolgssignal wird erst nach erfolgreichem Abschluss des
jeweiligen Ablaufs gesendet. Das ist der Entwurf des Alarmwegs, kein
Beleg dafür, dass er aktiv war. Der Implementierungsstand vom
2026-10-27 hält fest, dass die Timer ohne konfiguriertes Repository
deaktiviert waren, und dokumentiert keinen abgeschlossenen
Wiederherstellungslauf in der realen Umgebung. Sobald Ablauf und
Überwachung aktiviert sind, kann Schweigen einen externen Alarm
auslösen. Die Konfiguration allein belegt nicht, dass beides läuft.

Auch umgekehrte Alarme haben eine eigene Fehlerart. Sie zeigte sich,
als die Plattform von einem Host auf zwei wachsen sollte. Ein
gemeinsamer Schalter für beide hätte die Alarmierung geschwächt, die
er erweitern sollte: Solange einer weiter Lebenszeichen sendet,
bleibt die Anzeige grün, während der andere tot ist. Jeder Schalter
wurde deshalb zu einem hostbezogenen Wert. Die Einträge des
bestehenden Hosts blieben absichtlich leer, damit die Konfiguration
zeigt: Die Verdrahtung ist vorhanden, der Wert muss noch geliefert
werden.

Wo es schiefgeht

Ein Messwert landet in einem Label. Weil Labels einen Alarm
identifizieren, erzeugt ein Label mit dem aktuellen Zahlenwert bei
jeder Änderung einen neuen Alarm und beendet den vorherigen. Der
Empfänger sieht für ein einziges Problem einen Strom aus Alarm und
Entwarnung. Verwenden Sie Labels für Identität und Zustellung und
Annotationen für Zahlen.

Der Alarm pendelt ständig zwischen aktiv und behoben. Eine Bedingung
pendelt um ihren Schwellwert, wird alle paar Minuten aktiv,
verschwindet und kommt wieder. Jede Entwarnung vermittelt dabei
etwas Falsches. Verlängern Sie `for`, damit ein kurzer Ausschlag vor
der Benachrichtigung verschwindet. Mit `keep_firing_for` beendet ein
kurzes Unterschreiten des Schwellwerts den Alarm nicht sofort.

Eine Stummschaltung überlebt ihren Anlass. Jemand unterdrückt
während einer Wartung mit einem breiten Matcher und großzügigem
Enddatum einen Alarm. Der echte Fehler der nächsten Woche kommt dann
ebenfalls stumm an. Begrenzen Sie die Auswahl so eng, wie die Arbeit
erlaubt, legen Sie das Ende nahe an das geplante Arbeitsende und
schreiben Sie Verantwortlichen und Grund in das Kommentarfeld des
Alertmanagers.

Eine breite Route verschluckt die besonderen. Der Alertmanager
durchläuft den Routingbaum der Reihe nach und stoppt beim ersten
passenden Kind, sofern die Route nicht `continue: true` setzt. Eine
allgemeine Route oberhalb der Teamroute übernimmt deren Alarme.
Stellen Sie die engsten Routen zuerst und testen Sie den Baum mit
Beispiellabels, bevor Sie sich darauf verlassen.

Alles ist dringend. Eine zu 70 % gefüllte Platte, ein nächsten Monat
ablaufendes Zertifikat und Fehler des Zahlungsdienstes rufen
dasselbe Telefon an. Bald wird es ignoriert. Alarmieren Sie
dringlich nur bei Zuständen, auf die jetzt jemand reagieren muss.
Der Rest gehört in Tickets oder eine tägliche Zusammenfassung.
Entfernen Sie Regeln, die seit Monaten auslösen, ohne dass jemand
handelt.

Weiterführende Lektüre

  * Überblick zur Alarmierung — die Arbeitsteilung zwischen
Prometheus-Regeln und Alertmanager sowie die Einrichtung beider
Teile.

  * Alarmregeln — die Syntax einschließlich `for`,
`keep_firing_for`, Labels, Annotationen und Vorlagen.

  * Alertmanager — Gruppierung, Inhibition, Silences und mehrere
Alertmanager für hohe Verfügbarkeit.

  * Alertmanager-Konfiguration — Routingbaum, Gruppierungszeiten,
Unterdrückungsregeln und Empfängereinstellungen einschließlich
`send_resolved`.

  * Empfehlungen zur Alarmierung — die eigenen Hinweise des Projekts
dazu, was eine dringliche Benachrichtigung verdient und was anders
behandelt werden sollte.

hDiese Seite im Web	URL:https://engineer.company/de/glossary/alert/	engineer.company	70
