Keep 开源告警管理平台：驯服告警风暴的实用指南-平芜编程栈

Keep 开源告警管理平台：驯服告警风暴的实用指南

【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

Keep 是一款开源 AIOps 告警管理平台，把散落在 Prometheus、Grafana、Datadog 等各监控工具里的告警汇聚到同一块屏幕，并提供去重、AI 关联和自动化工作流，适合被"告警风暴"刷屏、又不想再买一套商业 APM 的运维团队。

先看一个场景 🕘

凌晨两点，一个数据库慢查询，同时触发了 Prometheus 的 CPU 告警、Grafana 的响应延迟告警、Datadog 的错误率告警，你的手机在 10 分钟内震动 30 次。你真正要处理的是 1 个问题，看到的却是 30 条通知。

这就是 Keep 想解决的事：它不做监控采集，而是站在你所有监控工具的上层，把告警收进来，然后做四件事——聚合展示、去重、关联成事件、自动处理。

告警多了之后，最先缺的不是"看"，而是"分清哪些是一回事"。

四个值得看的能力

所有告警聚到一张表 📋

能做什么：各监控工具的告警统一进同一个 Alert 列表，按严重程度、状态（Firing/Resolved/Suppressed）、来源、指派人筛选。怎么做：在 Providers 页面接上你的监控工具，支持 push（webhook 实时推）和 pull（定时拉取）两种方式，推荐 push。得到什么：一个事实来源，新告警通过 websocket 实时推送到页面，不用再切控制台。

左侧面板可按 Severity、Status、Source 组合过滤，右侧是实时告警流。

告警去重，先把噪音砍掉 🧹

能做什么：把"同一问题、不同来源"的告警合并成一条。分两种模式——部分去重按你指定的字段（如 service + error_message）归组；完全去重直接丢弃完全重复的告警。怎么做：每个 provider 都预置了默认的指纹字段规则，你可以按自己告警的结构改，也可以忽略某些字段（比如时间戳）。得到什么：一条告警背后挂了 N 个来源，通知量肉眼可见地降下来。规则详见去重文档。

AI 告警关联，自动聚成事件 🔗

能做什么：把时间上、语义上相关的多条告警归成同一个 incident，比如"网络延迟高 + 应用响应慢"自动归为一起。怎么做：分两层——手动关联规则（基于告警属性写条件）人人可用；AI 关联则用 transformer 模型基于你自己的告警历史训练，界面里可以调准确率阈值、关联阈值和训练轮数，模型置信度不够时会转人工。得到什么：从"30 条告警"变成"3 个事件"，排障入口少了一个数量级。注意它需要配置 AI 后端（如 OpenAI），不是开箱即用。

执行日志里能看到每条未关联告警的匹配分数和归属事件。

工作流：告警来了之后自动干活 ⚙️

能做什么：告警触发后自动执行动作——开 Jira 工单、发 Slack/邮件、调任意 HTTP 接口、跑 Python 脚本，甚至删掉故障的 K8s Pod。怎么做：工作流是 YAML 文件，可以手动上传，也可以在 Web 界面里用自然语言描述需求（"每分钟查 CloudWatch 日志，发现 error 就发 Slack"），AI 会生成带触发器、条件、动作的完整工作流，你确认后保存即可。得到什么：一套"监控工具的 GitHub Actions"。仓库里 examples/workflows/ 有 100+ 现成模板可直接抄。

上手快跑 🚀

有 Docker 的话，一条命令就能跑起来（默认 compose 不带登录校验，数据落在本地 SQLite）：

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

打开http://localhost:3000即可使用。三个容器分别是前端（3000）、后端 API（8080）、websocket（6001），全部配置见 docker-compose.yml。

接上第一个监控工具只需三步：Providers 页面选工具 → 填凭据 → 勾选 Install Webhook（让 Keep 自动帮你建 webhook）。之后去 Alerts 页面等告警进来。

边界说明：它适合谁，不适合谁 🧭

适合

同时用 3 个以上监控/告警工具，想统一入口的团队
告警量大、噪音多，需要去重、关联、自动处理
有 Docker 环境、愿意自己维护一个中间件层

不适合

想要"接上就能出监控指标"的——它不采集指标，监控工具仍然得自己部署
告警总量很小、一个工具就够的小团队，引入成本大于收益
期望 AI 功能零配置开箱即用的——需要你自己配 AI 后端密钥
无法部署容器化服务的纯本地脚本环境

常见坑 ⚠️

页面打得开，但告警不实时刷新→ 检查 websocket 容器（6001 端口）是否存活：docker compose ps。前端靠它推送，缺了就只有手动刷新能看到新告警。

生产环境还在用默认配置→ 默认 compose 是 NO_AUTH + 本地 SQLite，数据都在state/目录。上生产建议换 docker-compose-with-auth.yml（DB 认证，默认账号密码均为 keep，登录后立刻改密码），并把DATABASE_CONNECTION_STRING指向外部 PostgreSQL。

AI 关联/助手点了没反应→ 后端从环境变量OPENAI_API_KEY读密钥（支持用OPENAI_BASE_URL指向 LiteLLM 等代理）。启动 compose 前没注入这个变量，AI 功能就是空的。

pull 模式拉不到实时告警→ pull 主要用来回补历史告警，不触发工作流。要实时就开 push 模式（provider 设置里的 Install Webhook），这也是官方推荐方式。

升级/重装后数据没了→ 数据全在state/目录（含 SQLite 库和 secrets 文件）。备份或迁移前，先停容器再整体拷贝这个目录。