68 lines
4.0 KiB
Bash
68 lines
4.0 KiB
Bash
#!/bin/bash
|
|
# monwatch — внешний сторож мониторинга fr1 («кто сторожит сторожа»).
|
|
# Весь мониторинг (Prometheus, Alertmanager → Telegram) живёт на fr1: если упадёт fr1 или сломается
|
|
# цепочка доставки, никаких алертов не будет вообще. Раз в час малина спрашивает fr1 `health`
|
|
# (тот же ограниченный ключ метрик, режим только чтение) и при проблеме пишет в Telegram
|
|
# НАПРЯМУЮ — через своего бота (@rasp_contol_bot, токен из /etc/astra-bot.env), минуя fr1.
|
|
#
|
|
# Тревога — при поломке, повтор раз в 6 ч, ✅ при восстановлении. Разовый сбой сети
|
|
# не тревожит: перед тревогой одна повторная проверка через 2 минуты.
|
|
set -uo pipefail
|
|
STATE=/var/lib/monwatch; mkdir -p "$STATE"
|
|
CHAT=${MONWATCH_CHAT:-607015}
|
|
REPEAT=$((6 * 3600))
|
|
MAX_PUSH_AGE=${MONWATCH_MAX_PUSH_AGE:-3600} # smart-metrics пушит каждые 15 мин
|
|
|
|
health() {
|
|
timeout 60 ssh -i /etc/metrics-push/id_ed25519 -o UserKnownHostsFile=/etc/metrics-push/known_hosts \
|
|
-o StrictHostKeyChecking=yes -o BatchMode=yes -o ConnectTimeout=20 rus@161.97.93.252 health 2>&1
|
|
}
|
|
|
|
check() { # печатает проблемы по строке; пусто = всё хорошо
|
|
local out rc
|
|
out=$(health); rc=$?
|
|
if [ $rc -ne 0 ] || ! grep -q '^prometheus_healthy=' <<< "$out"; then
|
|
echo "fr1 не отвечает на проверку (ssh rc=$rc): $(tail -1 <<< "$out")"; return
|
|
fi
|
|
declare -A v; while IFS='=' read -r k val; do v[$k]=$val; done <<< "$out"
|
|
[ "${v[prometheus_healthy]}" = 200 ] || echo "Prometheus не отвечает (HTTP ${v[prometheus_healthy]})"
|
|
[ "${v[alertmanager_healthy]}" = 200 ] || echo "Alertmanager не отвечает (HTTP ${v[alertmanager_healthy]}) — алерты не доставляются"
|
|
[ "${v[pushgateway_healthy]}" = 200 ] || echo "Pushgateway не отвечает (HTTP ${v[pushgateway_healthy]})"
|
|
local age=${v[push_age_seconds]:--1}
|
|
if [ "$age" -lt 0 ] || [ "$age" -gt $MAX_PUSH_AGE ]; then
|
|
echo "Prometheus не видит свежих метрик малины ($([ "$age" -lt 0 ] && echo 'нет данных' || echo "$((age / 60)) мин"))"
|
|
fi
|
|
local failed=${v[tg_notifications_failed_total]:-0} prev
|
|
prev=$(cat "$STATE/tg_failed" 2>/dev/null || echo "$failed")
|
|
[ "$failed" -gt "$prev" ] && echo "Alertmanager не смог отправить в Telegram $((failed - prev)) уведомл. за последний час"
|
|
echo "$failed" > "$STATE/tg_failed"
|
|
}
|
|
|
|
tg() {
|
|
local token
|
|
token=$(sed -n 's/^TG_TOKEN=//p' /etc/astra-bot.env)
|
|
curl -s -o /dev/null -w '%{http_code}' --max-time 30 "https://api.telegram.org/bot$token/sendMessage" \
|
|
--data-urlencode "chat_id=$CHAT" --data-urlencode "text=$1" | grep -q 200 || echo "не удалось отправить в Telegram" >&2
|
|
}
|
|
|
|
problems=$(check)
|
|
if [ -n "$problems" ]; then
|
|
sleep 120; problems=$(check) # повторная проверка: не тревожим из-за разового сбоя сети
|
|
fi
|
|
now=$(date +%s); state=$(cat "$STATE/state" 2>/dev/null || echo up); last=$(cat "$STATE/last_alert" 2>/dev/null || echo 0)
|
|
|
|
if [ -n "$problems" ]; then
|
|
echo "DOWN: $problems"
|
|
if [ "$state" != down ] || [ $((now - last)) -ge $REPEAT ]; then
|
|
tg "🔴 Мониторинг fr1 сломан — алерты от него могут не приходить.
|
|
$problems
|
|
|
|
(сторож на rpi, проверка раз в час; повтор через 6 ч)" && echo "$now" > "$STATE/last_alert"
|
|
fi
|
|
echo down > "$STATE/state"
|
|
exit 1
|
|
fi
|
|
echo "OK: мониторинг fr1 в порядке"
|
|
[ "$state" = down ] && tg "✅ Мониторинг fr1 снова в порядке (сторож на rpi)."
|
|
echo up > "$STATE/state"
|