云消息队列 RocketMQ 版支持通过云监控配置告警规则，以便您可以实时监控实例的运行状态和关键的业务指标，并能够及时收到异常的告警通知，实现生产环境的风险预警。
背景信息
云消息队列 RocketMQ 版提供全托管的消息服务，对于每个规格的实例都有明确的SLA保障，您购买实例后即可保证消息收发TPS、消息存储、网络吞吐等指标达到规格规定的能力。
您无需担心实例性能问题，但实际生产环境中仍需要关注实际的业务消耗、业务规模等是否达到最高水位或实例的规格限制。云消息队列 RocketMQ 版联合阿里云云监控提供了开箱即用且免费的监控报警服务，可帮助您解决如下问题：
实例规格水位监控预警
若您实际使用的指标值超过实例的规格限制，云消息队列 RocketMQ 版会进行强制限流。提前配置实例规格水位告警可以提前发现规格超限风险并及时升配，避免因限流导致的业务故障。
业务逻辑错误监控预警
您在消息收发时可能会收到异常报错，配置调用错误告警可以提前在业务反馈前发现异常，帮助您提前判断异常来源并及时修复。
业务性能指标监控预警
如果您的消息链路有相关性能指标要求，例如RT耗时、消息延迟等，提前配置业务指标告警可以帮助您提前治理业务风险。
告警配置原则
云消息队列 RocketMQ 版提供了丰富的Metrics指标和告警监控项。各监控项可分为运行水位、收发性能、异常错误事件三类告警。
根据大量生产环境实践经验，建议您根据以下原则配置如下告警：
以下核心监控项仅为基础推荐配置项，云消息队列 RocketMQ 版提供了全面、丰富的监控指标项，您可以根据业务需求进行更细粒度和更全面的告警配置。更多信息，请参见监控报警。
RocketMQ监控告警分类 | 重要监控告警 | 最佳配置时机 | 关注人员角色 |
实例运行水位和消耗指标 |
|
| 资源运维人员 |
消息收发性能指标 |
|
|
|
消息收发异常事件 |
|
|
|
告警配置操作入口
登录云消息队列 RocketMQ 版控制台，在左侧导航栏单击实例列表。
在顶部菜单栏选择地域，如华东1（杭州），然后在实例列表中，单击目标实例名称。
在左侧导航栏单击监控报警，然后单击创建报警规则。
配置实例发送/消费API调用频率告警最佳实践
背景：消息队列RocketMQ 5.0实例规格明确规定了消息收发计算规格，即消息收发API调用频率。若实例消息收发API调用频率超过规格限制，会导致实例被限流。
未配置风险：若未配置该监控告警，实例消息收发API调用超限不会提前预警，实例被限流后，导致部分消息收发请求失败。
配置时机：建议实例创建完成且配置好消息收发比例后配置告警。
建议阈值：建议设置为规格上限的70%。例如，您购买的实例消息收发TPS上限为10000，且消息收发比为1∶1，即消息发送和消息消费API调用TPS上限都为5000，则建议消息发送API调用频率和消息消费API调用频率的阈值都设置为3500。
专业版和铂金版实例支持突发流量弹性，可以先打开突发流量弹性后，按照弹性规格上限的70%进行评估。
告警处理：收到实例发送或消费API调用频率告警后，建议按照如下步骤处理：
进入消息队列RocketMQ版控制台的仪表盘页面，分析API调用频率Top级数据的Topic和Group，判断业务变化是否合理。
如果业务变化异常，则应该联系业务方进一步分析异常原因。
如果业务变化正常，说明实例规格不足以支撑业务流量，建议立即通过实例升配调整消息收发计算规格。
配置Topic发送/Group消费TPS告警最佳实践
背景：消息队列RocketMQ支持监控Topic和Group级别的消息收发TPS指标，通过该监控项可针对特定业务的消息收发TPS进行预警，帮助您及时了解业务规模。
未配置风险：Topic的消息收发TPS代表业务的调用频率，如未配置该告警，流量跌零或突发暴涨不会提前预警，有可能会产生业务预期之外的风险。
配置时机：建议业务上线且流量平稳后配置告警。
建议阈值：业务侧上线后根据实际平稳期流量预估报警阈值。
告警处理：收到消息收发TPS告警后，建议按照如下步骤处理：
进入消息队列RocketMQ版控制台的仪表盘页面，查看指定Topic或Group的消息收发TPS曲线，分析流量的变化趋势是否正常。
基于业务模型判断流量趋势的合理性，分析是否异常。
配置公网下行带宽告警最佳实践
背景：消息队列RocketMQ 5.0系列实例支持开通公网访问能力，但公网访问受下行带宽限制。如果超过规格中的带宽限制，可能会导致公网链路的访问受损。
未配置风险：若未配置该告警，实例的公网流量超过带宽限制不会提前预警，会导致部分报文丢弃、客户端调用超时或失败。
配置时机：建议实例创建完成且开启公网访问能力后配置告警。
建议阈值：建议设置为规格上限的70%。例如，您购买的实例流量带宽为128 Byte/s，则建议告警阈值设置为90 Byte/s。
告警处理：收到公网下行流量带宽告警后，建议按照如下步骤处理：
进入消息队列RocketMQ版控制台的仪表盘页面，确认业务变化是否合理。
如果业务变化异常，则应该联系业务方进一步分析异常原因。
如果业务变化正常，说明实例规格不足以支撑业务流量，建议立即通过实例升配调整公网带宽规格。
配置消息堆积量告警最佳实践
消息堆积量统计存在一定的波动性和误差，几十条规模的消息堆积不建议配置为监控阈值，如果业务对少量堆积也非常敏感，建议使用消费堆积延迟时间阈值来监控。
背景：消息队列RocketMQ支持按照ConsumerGroup粒度监控消息堆积量，可以用来预警下游消费堆积故障场景。
未配置风险：消息堆积是消息队列RocketMQ的典型场景和能力，但是对于部分需要实时处理消息的场景，需要及时关注并控制未处理的消息量，避免因为消费堆积造成业务受损。
配置时机：建议业务上线且流量平稳后配置告警。
建议阈值：业务侧上线后根据可容忍的经验评估报警阈值。
告警处理：收到消息堆积量告警后，建议按照如下步骤处理：
进入消息队列RocketMQ版控制台的仪表盘页面，查看指定Group的消息堆积曲线，分析堆积量的变化趋势，找到初始产生堆积的时刻。
基于业务的变更及应用日志，分析初始堆积时刻的变化因素，找到堆积原因。具体消费堆积原理，请参见消费者分类。
根据堆积原因，判断是进行消费者应用扩容还是消费逻辑缺陷修复。
配置消费堆积延迟时间告警最佳实践
消费堆积延迟时间是根据当前消费组所有未消费消息中，最早一条堆积消息的延迟时间计算，因此具备累积性和敏感性。收到消费堆积延迟时间告警后，您需要先判断业务受损是少量消息消费被卡住还是全局的消费延迟。
背景：消息队列RocketMQ版支持按照ConsumerGroup粒度监控消费堆积延迟时间，可以为消费堆积场景提供更具体地分析指标。
未配置风险：消息堆积是消息队列RocketMQ的典型场景和能力，但是对于部分需要实时处理消息的场景，需要及时关注并控制堆积消息的延时时间，避免因为消费延迟造成业务受损。
配置时机：建议业务上线且流量平稳后配置告警。
建议阈值：业务侧上线后根据可容忍的经验评估报警阈值。
告警处理：收到消费堆积延迟时间告警后，建议按照如下步骤处理：
进入消息队列RocketMQ版控制台的仪表盘页面，查看指定Group的消息堆积曲线，分析堆积量的变化趋势，找到初始产生堆积的时刻。
基于业务的变更及应用日志，分析初始堆积时刻的变化因素，找到堆积原因。具体消费堆积原理，请参见消费者分类。
根据堆积原因，判断是进行消费者应用扩容还是消费逻辑缺陷修复。
配置限流次数告警最佳实践
背景：消息队列RocketMQ版支持将指定实例触发限流的事件作为监控项，通过对限流次数的监控，可以帮助您了解当前业务的受损情况。
未配置风险：限流次数越多，说明实例规格超限越严重，应该及时升级实例规格。
配置时机：业务上线且流量平稳后。
实例级限流次数：建议实例创建后配置告警。
Topic和Group级别限流次数：建议业务上线且流量平稳后配置告警。
建议阈值：业务侧上线后根据可容忍的经验评估报警阈值。
告警处理：收到限流次数告警后，建议按照如下步骤处理：
进入消息队列RocketMQ版控制台的仪表盘页面，查看指定实例、Topic或Group的消息收发TPS曲线，分析限流出现的时间点和规律。
根据仪表盘的统计数据，排查消息收发Top级数据的Topic或Group，判断流量上涨是否符合业务预期。
基于以上原因分析，如果流量上涨符合预期，则进行规格升配；若不符合预期，则排查异常流量来源。
