{{indexmenu_n>5}}
====== Система алармов ======

===== Категории алармов =====

^ Критичность   ^ Алармы                                                                                                                                                                                                                            ^ Описание                                                          ^ Реакция                                                                            ^
| **Critical**  | ''ePDG_Service_Down'', ''ePDG_High_Attach_Failure_Rate'', ''ePDG_PGW_Unreachable'', ''ePDG_AAA_Unreachable'', ''ePDG_Diameter_Watchdog_Timeout''                                                                                  | Компонент недоступен, массовый отказ соединений, узлы недоступны  | Немедленная эскалация: Email + SNMP Trap + Webhook. Повтор раз в 1 час             |
| **Warning**   | ''ePDG_High_IKEv2_Latency'', ''ePDG_High_GTP_Latency'', ''ePDG_High_IKEv2_Error_Rate'', ''ePDG_High_GTP_Error_Rate'', ''ePDG_High_Memory_Usage'', ''ePDG_High_CPU_Usage'', ''ePDG_Low_Disk_Space'', ''ePDG_High_Error_Log_Rate''  | Деградация производительности, аномалии ресурсов                  | Email. Повтор раз в 4 часа. Подавляется при наличии Critical на том же компоненте  |

===== Полный перечень алармов (20+ правил) =====

<mermaid>
flowchart LR
    AL["ePDG Alert Rules<br/>20+"]

    AL --> CR["Critical<br/>5 rules"]
    AL --> WR["Warning<br/>8 rules"]
    AL --> INFO["Recording<br/>34 rules"]

    CR --> C1["Service_Down<br/>availability == 0"]
    CR --> C2["Attach_Failure_Rate<br/>> 10%"]
    CR --> C3["PGW_Unreachable<br/>connection_status{s2b} == 0"]
    CR --> C4["AAA_Unreachable<br/>connection_status{swm} == 0"]
    CR --> C5["Diameter_Watchdog_Timeout<br/>watchdog_status == 0"]

    WR --> W1["High_IKEv2_Latency<br/>p95 > 1.0 s"]
    WR --> W2["High_GTP_Latency<br/>p95 > 0.5 s"]
    WR --> W3["High_IKEv2_Error_Rate<br/>> 5%"]
    WR --> W4["High_GTP_Error_Rate<br/>> 5%"]
    WR --> W5["High_Memory_Usage<br/>> 80%"]
    WR --> W6["High_CPU_Usage<br/>> 80%"]
    WR --> W7["Low_Disk_Space<br/>< 10%"]
    WR --> W8["High_Error_Log_Rate<br/>> 10/s"]

    INFO --> I1["attach_success_rate<br/>preaggregated"]
    INFO --> I2["p95_p99_latency<br/>preaggregated"]
    INFO --> I3["throughput<br/>preaggregated"]
</mermaid>

===== Процесс обработки алармов =====

<mermaid>
sequenceDiagram
    participant M as Метрика (Prometheus)
    participant R as Alert Rule (PromQL)
    participant AM as Alertmanager
    participant E as Email (SMTP)
    participant SG as SNMP Trap Gateway
    participant NMS as Внешняя NMS
    participant W as Webhook (ChatOps)

    M->>R: Значение превышает порог
    R->>R: Ожидание (for: 1-10 мин)
    R->>AM: Alert FIRING
    AM->>AM: Group by [alertname, component]
    AM->>AM: Inhibition check (critical подавляет warning)

    alt severity = critical
        AM->>E: Email [CRITICAL]
        AM->>SG: Webhook → SNMP Trap
        SG->>NMS: SNMP v2c Trap (OID .1.3.6.1.4.1.43823.1.2.X)
        AM->>W: Webhook (Telegram / PagerDuty)
    else severity = warning
        AM->>E: Email [WARNING]
    end

    Note over M,R: Метрика возвращается в норму
    R->>AM: Alert RESOLVED
    R->>SG: clear-trap (paired notification)
    AM->>E: Email [RESOLVED]
</mermaid>

===== Особенности =====

  * **Inhibition**: Critical-алармы автоматически подавляют Warning для того же компонента
  * **Grouping**: Алармы группируются по ''alertname'' + ''component'' с 30-секундным окном
  * **Dead time / Hysteresis**: параметр ''for'' от 1 до 10 минут предотвращает ложные срабатывания
  * **Trap pairing**: raise/clear одновременных событий для соответствия RFC 3877 ALARM-MIB