企业官网建设流程全解析

Keep AIOps 告警平台：10 分钟部署上手

【免费下载链接】keepThe open-source AIOps and alert management platform项目地址: https://gitcode.com/GitHub_Trending/kee/keep

凌晨三点，你被同一条数据库告警叫醒，这是今晚第四次。更糟的是，故障还同时触发了 CPU、内存、连接数告警，值班群里一片红色。Keep 是一个开源的 AIOps 告警管理平台，它把 Prometheus、Datadog、Grafana 等几十种监控工具的告警汇总到一张表里，自动去重、关联成事件，再用 YAML 工作流驱动自动化处理。这篇文章带你从一台干净机器出发，10 分钟内部署跑通，最后讲清楚生产环境要注意什么。

Keep 是什么：AIOps 告警管理平台

一句话定位

Keep 的定位是"告警的统一收件箱 + 降噪引擎 + 自动化执行器"。监控工具继续产生告警，Keep 负责把告警收进来、理清楚、再分发给对的人和系统。它不做指标采集，也不替代 Prometheus，而是站在所有监控工具之上做收敛。

解决三个具体痛点

• 告警散落各处：Prometheus 一个页面、CloudWatch 一个页面、Zabbix 又一个页面。Keep 提供统一告警列表，左侧可按严重程度、状态、负责人等维度筛选，右侧看详情，支持批量操作。
• 重复告警轰炸：同一个故障会反复产生几乎相同的告警。Keep 内置去重（Deduplication，按指纹字段把相同告警归并）机制，每个 Provider 都预置了默认去重规则。
• 告警之间没有关系：Keep 提供基于规则的相关性（Correlation）配置，把命中同一规则的告警归入同一个事件（Incident）；官方云版本还提供 AI 驱动的自动关联引擎，用历史告警训练模型自动聚类。

和同类工具的关键差异

商业 AIOps 工具（如 BigPanda、ServiceNow ITOM）功能类似，但贵且配置复杂。Keep 的差异在于：完全开源、本地可部署、一切配置皆代码（Provider、工作流、规则都能用 YAML/JSON 声明式管理，可以进 Git 做版本管理和 CI/CD），并且对 LLM 时代做了原生适配——配置OPENAI_API_KEY后可以用 AI 做告警富化（给告警补充上下文）和事件总结。

从零部署 Keep 告警平台 🚀

前置环境

一台能跑 Docker 的 Linux/macOS 机器，装好 Docker 和 Docker Compose 即可，不需要预先安装数据库——默认配置用 SQLite，数据落在本地state/目录。

Docker Compose 一键部署

克隆仓库并启动全部服务（前端、后端、WebSocket 三个容器）：

git clone https://gitcode.com/GitHub_Trending/kee/keep cd keep docker compose up -d

默认docker-compose.yml使用AUTH_TYPE=NO_AUTH，即免登录，适合本地体验。三个服务分别监听 3000（Web 界面）、8080（API）、6001（实时推送）端口。

首次访问与必须改的配置

1. 浏览器打开http://localhost:3000，直接进入告警列表页。
2. 确认容器状态：docker compose ps应显示 3 个服务均为 running。
3. 如需登录鉴权，改用docker-compose-with-auth.yml启动，默认账号密码为 keep/keep，生产环境务必修改。
4. 只有这几个变量是"必须考虑"的：OPENAI_API_KEY（启用 AI 功能）、KEEP_DEFAULT_PASSWORD（改默认密码）、DATABASE_CONNECTION_STRING（生产切换数据库）。其余默认值可用。

# docker-compose-with-auth.yml 中的关键配置（鉴权版） services: keep-backend: environment: - AUTH_TYPE=DB - KEEP_DEFAULT_USERNAME=keep - KEEP_DEFAULT_PASSWORD=keep

数据持久化在./state目录（SQLite 库和密钥都在里面），重启容器不要删这个目录。

核心功能实操 ⚡

连接第一个数据源

左侧菜单进入 Providers 页面，这里列出 100+ 可集成的监控工具、数据库和通知渠道。以 Webhook（HTTP 回调，零配置）为例走一遍：

1. 点击Install Provider，搜索 Webhook。
2. 填写 Provider ID（实例标识，比如webhook-test），Webhook 类型无需任何凭据，直接安装。
3. 安装完成后页面会给出回调地址：http://localhost:8080/webhook/webhook-test。

发一条测试告警

用下面这条命令模拟监控工具推入一条 critical 级别告警（把 URL 换成你实际的 Provider 回调地址）：

curl -X POST http://localhost:8080/webhook/webhook-test \ -H "Content-Type: application/json" \ -d '{"name": "disk-usage-high", "severity": "critical", "message": "disk usage > 90% on node-1", "service": "infra"}'

回到 Alerts 页面，这条告警会实时出现（WebSocket 推送，不用刷新）。点进去可以看到完整字段；对 Prometheus 等工具，则配置好 Provider 后开启拉取（Pulling）即可把历史告警同步进来。

配置去重与关联规则

在设置里找到去重与相关配置：

• 去重规则：指定指纹字段（如service+name），命中的新告警会归入已有告警并更新状态，而不是新增一行。默认已有各 Provider 的预置规则，你可以按团队字段习惯增补。
• 相关性规则：定义字段匹配条件，命中的多条告警被归入同一个 Incident，事件页能看到全部子告警和时间线。

写第一个工作流

Workflows 页面新建工作流，用 YAML 声明触发条件和动作。下面这个例子：只要出现 critical 告警就发 Slack 消息，格式与官方示例 examples/workflows/slack_basic.yml 一致：

workflow: id: critical-to-slack name: Critical 告警通知 Slack triggers: - type: alert filters: - key: severity value: critical actions: - name: send-slack provider: type: slack config: "{{ providers.slack-prod }}" with: message: "Critical: {{ alert.name }} ({{ alert.service }})"

保存后工作流自动启用，下次 critical 告警进来就会执行。触发器还支持interval（定时）、webhook（外部系统调用）、manual等类型，examples/workflows/ 下有 100 多个现成示例可直接改造。

实战案例：把告警风暴压成一条通知流 🎯

业务需求：核心服务故障时，同一问题 10 分钟内产生 30 条重复告警，值班群被刷屏。目标是：相同问题只通知一次，并自动记录成一个事件。

配置过程：

1. 去重规则：指纹字段设为service+name，30 条重复告警归并为 1 条。
2. 相关性规则：按service字段关联，同一服务的告警进入同一 Incident。
3. 工作流：对去重后保留的那条告警，触发 Slack 通知并创建 Jira 工单（改造 examples/workflows/create_jira_ticket_upon_alerts.yml 即可）。

最终效果：事件页展示一个 Incident 及全部子告警时间线，团队收到的是一条"支付服务故障"的聚合通知加一个工单链接，而不是 30 条刷屏消息。

生产落地要点 📋

高可用与扩缩容

生产环境不要用默认的单实例 compose 文件，改用仓库中的docker-compose-with-arq.yml：它额外引入 Redis 和 ARQ 异步 worker，把告警处理从 API 进程里剥离，避免高峰阻塞。后端要横向扩容时，DATABASE_CONNECTION_STRING必须切到 PostgreSQL（默认 SQLite 不支持多进程写），Kubernetes 部署方式参考 docs/deployment/kubernetes/。state/目录挂载持久卷，并纳入备份。

安全配置清单（不做会出事）

• 修改默认账号 keep/keep（KEEP_DEFAULT_PASSWORD），并给KEEP_JWT_SECRET、NEXTAUTH_SECRET设强随机值。
• 反代 + TLS：3000 和 8080 端口不要直接暴露公网，仓库 proxy/ 目录有现成的 nginx/squid 参考配置。
• 保护./state目录权限，Provider 密钥以 FILE 形式存在其中。
• 定期备份state/（SQLite 库 + 密钥 + 工作流定义）。
• 多团队使用时开启基于角色的访问控制（RBAC），避免所有人都能改规则。

性能调优关键参数

• DATABASE_CONNECTION_STRING：切 PostgreSQL 后对fingerprint、lastReceived相关查询加索引，大表查询明显变快。
• 告警批量拉取间隔：Provider 的 Pulling 周期不要小于 1 分钟，减少 API 压力。
• LLM 富化按需开启：给每个告警都调一次大模型既慢又贵，建议只对 critical 级别或特定来源启用。

常见问题排查 🔧

1. 打开 localhost:3000 空白或拒绝连接

现象：页面无法访问。原因：容器未起或端口冲突。解法：

docker compose ps # 确认 3 个服务都 running docker compose logs keep-frontend ss -tlnp | grep 3000 # 检查端口是否被占用

2. Webhook 发了告警但列表看不到

现象：curl 返回成功，Alerts 页没有新行。原因：Provider ID 与 URL 路径不一致，或后端处理报错。解法：核对 URL 中的 Provider ID 与安装时一致，然后docker compose logs keep-backend | tail -50找异常。

3. 重启后告警和配置全丢了

现象：docker compose down再up后数据消失。原因：删除了state/目录或未挂载。解法：确认 compose 中./state:/state卷存在，数据随该目录持久化。

4. AI 富化/总结不生效

现象：AI 功能按钮置灰或无输出。原因：OPENAI_API_KEY未注入容器。解法：启动时export OPENAI_API_KEY=sk-xxx再docker compose up -d，或在 compose 中显式配置后重建容器。

5. 前端能打开但数据加载失败

现象：界面正常，但告警、Provider 列表全是空或报错。原因：前端调用后端地址不对。解法：确认NEXT_PUBLIC_API_URL=http://localhost:8080指向本机 API 端口，浏览器网络面板里看 8080 请求是否被防火墙拦掉。

生态资源与下一步 🌐

仓库内关键入口：

• 入门与概念：docs/overview/introduction.mdx
• 全部 Provider 集成文档：docs/providers/
• 100+ 工作流示例，可直接抄：examples/workflows/
• Provider 源码（想加自家工具时参考）：keep/providers/

接下来做三件事：

1. 把你实际在用的监控工具（Prometheus/Grafana/Zabbix 任选一个）接进 Keep，跑通"产生告警 → 列表可见"的完整链路。
2. 按团队的字段习惯加一条去重规则，观察一周告警量下降多少。
3. 把"告警 → IM 通知 → 建工单"固化成一个工作流，进 Git 管理，之后改规则不用再进界面点。

【免费下载链接】keepThe open-source AIOps and alert management platform项目地址: https://gitcode.com/GitHub_Trending/kee/keep