云消息隊列 RocketMQ 版支持通過云監控配置告警規則，以便您可以實時監控實例的運行狀態和關鍵的業務指標，并能夠及時收到異常的告警通知，實現生產環境的風險預警。
背景信息
云消息隊列 RocketMQ 版提供全托管的消息服務，對于每個規格的實例都有明確的SLA保障，您購買實例后即可保證消息收發TPS、消息存儲等指標達到規格規定的能力。
您無需擔心實例性能問題，但實際生產環境中仍需要關注實際的業務消耗、業務規模等是否達到最高水位或實例的規格限制。云消息隊列 RocketMQ 版聯合阿里云云監控提供了開箱即用且免費的監控報警服務，可幫助您解決如下問題：
實例規格水位監控預警
若您實際使用的指標值超過實例的規格限制，云消息隊列 RocketMQ 版會進行強制限流。提前配置實例規格水位告警可以提前發現規格超限風險并及時升配，避免因限流導致的業務故障。
業務邏輯錯誤監控預警
您在消息收發時可能會收到異常報錯，配置調用錯誤告警可以提前在業務反饋前發現異常，幫助您提前判斷異常來源并及時修復。
業務性能指標監控預警
如果您的消息鏈路有相關性能指標要求，例如RT耗時、消息延遲等，提前配置業務指標告警可以幫助您提前治理業務風險。
告警配置原則
云消息隊列 RocketMQ 版提供了豐富的Metric指標和告警監控項。各監控項可分為運行水位、收發性能、異常錯誤事件三類告警。
根據大量生產環境實踐經驗，建議您根據以下原則配置如下告警：
以下核心監控項僅為基礎推薦配置項，云消息隊列 RocketMQ 版提供了全面、豐富的監控指標項，您可以根據業務需求進行更細粒度更全面的告警配置。更多信息，請參見監控報警。
RocketMQ監控告警分類 | 重要監控告警 | 最佳配置時機 | 關注人員角色 |
實例運行水位和消耗指標 | 實例API調用頻率 |
| 資源運維人員 |
消息收發性能指標 |
|
|
|
消息收發異常事件 |
|
|
|
配置實例API調用頻率告警最佳實踐
背景：消息隊列RocketMQ每個實例都明確了消息收發API調用TPS，例如，標準版實例支持每秒5000次API調用，若實例消息收發API調用頻率超過規格限制，會導致實例被限流。
未配置風險：若未配置該監控告警，實例消息收發API調用超限不會提前預警，實例被限流后，導致部分消息收發請求失敗。
配置時機：建議實例創建完成后配置告警。
建議閾值：建議設置為規格上限的70%。例如，您購買的實例消息收發TPS上限為10000，則告警閾值建議設置為7000。
告警處理：收到實例API調用頻率告警后，建議按照如下步驟處理：
進入消息隊列RocketMQ版控制臺的儀表盤頁面，查看發送流量Top數據的變化趨勢，分析業務變化是否合理。
如果業務變化異常，則應該聯系業務方進一步分析異常原因。
如果業務變化正常，說明實例規格不足以支撐業務流量，建議立即調整實例規格。具體操作，請參見實例升配/降配。
配置Topic發送/Group消費TPS告警最佳實踐
背景：消息隊列RocketMQ支持監控Topic和Group級別的消息收發TPS指標，通過該監控項可針對特定業務的消息收發TPS進行預警，幫助您及時了解業務規模。
未配置風險：Topic的消息收發TPS代表業務的調用頻率，如未配置該告警，流量跌零或突發暴漲不會提前預警，有可能會產生業務預期之外的風險。
配置時機：建議業務上線且流量平穩后配置告警。
建議閾值：業務側上線后根據實際平穩期流量預估報警閾值。
告警處理：收到消息收發TPS告警后，建議按照如下步驟處理：
進入消息隊列RocketMQ版控制臺的儀表盤頁面，查看指定Topic或Group的消息收發TPS曲線，分析流量的變化趨勢是否正常。
基于業務模型判斷流量趨勢的合理性，分析是否異常。
配置消息堆積量告警最佳實踐
消息堆積量統計存在一定的波動性和誤差，幾十條規模的消息堆積不建議配置為監控閾值，如果業務對少量堆積也非常敏感，建議使用消費堆積延遲時間閾值來監控。
背景：消息隊列RocketMQ支持按照ConsumerGroup粒度監控消息堆積量，可以用來預警下游消費堆積故障場景。
未配置風險：消息堆積是消息隊列RocketMQ的典型場景和能力，但是對于部分需要實時處理消息的場景，需要及時關注并控制未處理的消息量，避免因為消費堆積造成業務受損。
配置時機：建議業務上線且流量平穩后配置告警。
建議閾值：業務側上線后根據可容忍的經驗評估報警閾值。
告警處理：收到消息堆積量告警后，建議按照如下步驟處理：
進入消息隊列RocketMQ版控制臺的儀表盤頁面，查看指定Group的消息堆積曲線，分析堆積量的變化趨勢，找到初始產生堆積的時刻。
基于業務的變更及應用日志，分析初始堆積時刻的變化因素，找到堆積原因。具體消費堆積原理，請參見如何處理消息堆積。
根據堆積原因，判斷是進行消費者應用擴容還是消費邏輯缺陷修復。
配置消費堆積延遲時間告警最佳實踐
消費堆積延遲時間是根據當前消費組所有未消費消息中，最早一條堆積消息的延遲時間計算，因此具備累積性和敏感性。收到消費堆積延遲時間告警后，您需要先判斷業務受損是少量消息消費被卡住還是全局的消費延遲。
背景：消息隊列RocketMQ版支持按照ConsumerGroup粒度監控消費堆積延遲時間，可以為消費堆積場景提供更具體的分析指標。
未配置風險：消息堆積是消息隊列RocketMQ的典型場景和能力，但是對于部分需要實時處理消息的場景，需要及時關注并控制堆積消息的延時時間，避免因為消費延遲造成業務受損。
配置時機：建議業務上線且流量平穩后配置告警。
建議閾值：業務側上線后根據可容忍的經驗評估報警閾值。
告警處理：收到消費堆積延遲時間告警后，建議按照如下步驟處理：
進入消息隊列RocketMQ版控制臺的儀表盤頁面，查看指定Group的消息堆積曲線，分析堆積量的變化趨勢，找到初始產生堆積的時刻。
基于業務的變更及應用日志，分析初始堆積時刻的變化因素，找到堆積原因。具體消費堆積原理，請參見如何處理消息堆積。
根據堆積原因，判斷是進行消費者應用擴容還是消費邏輯缺陷修復。
配置死信消息告警最佳實踐
背景：消息隊列RocketMQ版支持死信消息，將消費失敗并超過重試次數的消息投遞至死信隊列，以便您后續進行人工處理。監控進入死信隊列的消息量可以幫助您及時預警當前業務出現的非預期且無法判斷的異常問題。
未配置風險：死信消息代表消費者無法正確處理消息，需要消費應用進行異常處理。如果沒有配置監控忽略了死信消息，可能造成消費業務不完整。
配置時機：建議業務側上線且流量平穩后配置告警。
建議閾值：建議業務上線且平穩后根據可容忍的經驗值預估告警閾值。
告警處理：收到死信消息數量的告警后，建議按照如下步驟處理：
配置限流次數告警最佳實踐
背景：消息隊列RocketMQ版支持將指定實例觸發限流的事件作為監控項，通過對限流次數的監控，可以幫助您了解當前業務的受損情況。
未配置風險：限流次數越多，說明實例規格超限越嚴重，應該及時升級實例規格。
配置時機：業務上線且流量平穩后。
實例級限流次數：建議實例創建后配置告警。
Topic和Group級別限流次數：建議業務上線且流量平穩后配置告警。
建議閾值：業務側上線后根據可容忍的經驗評估報警閾值。
告警處理：收到限流次數告警后，建議按照如下步驟處理：
進入消息隊列RocketMQ版控制臺的儀表盤頁面，查看指定實例、Topic或Group的消息收發TPS曲線，分析限流出現的時間點和規律。
根據儀表盤的統計數據，排查消息收發Top級數據的Topic或Group，判斷流量上漲是否符合業務預期。
基于以上原因分析，如果流量上漲符合預期，則進行規格升配；若不符合預期，則排查異常流量來源。
