如何在Prometheus中配置双主机不可用的联合告警规则？

方案1：使用count判断触发条件，结合告警模板获取所有不可用主机 #

这种方法既满足"两台主机均不可用才触发"的逻辑，又能在通知中动态列出所有故障主机，是最适配需求的方案：

告警规则示例

groups:
- name: host_monitoring
  rules:
  - alert: BothHost1AndHost2Down
    # 当匹配host1/host2的probe_success为0的样本数等于2时触发
    expr: count(probe_success{instance=~"host1|host2"} == 0) == 2
    for: 1m
    labels:
      severity: critical
    annotations:
      summary: "两台主机同时不可达"
      description: "以下主机已离线：{{ range query 'probe_success{instance=~\"host1|host2\"} == 0' }}{{ .Labels.instance }} {{ end }}"

原理说明

• count(probe_success{instance=~"host1|host2"} == 0) == 2：精确判断两台主机的probe_success都为0（不可用），只有满足这个条件才会触发告警。
• 告警注释中的{{ range query ... }}模板语法：会实时查询当前符合"不可用"条件的主机，把它们的instance标签全部列出来，确保通知包含两台主机的信息。

方案2：使用向量匹配保留双主机标签（适合需要在指标中保留标签的场景） #

如果希望告警指标本身就携带两台主机的标签，可以用group_right进行无标签向量匹配，保留两边的标签：

probe_success{instance="host1"} == 0 
and on() group_right(instance) probe_success{instance="host2"} == 0

原理说明

• on()：指定不使用任何标签进行向量匹配，让两个独立的时间序列可以匹配。
• group_right(instance)：保留右侧表达式的instance标签，最终结果会同时包含host1和host2的标签（生成两个时间序列，分别对应两台主机）。不过这种方式会触发两条告警，需要在通知模板中合并，因此方案1更适合单条通知包含双主机的需求。

你之前的方法存在的问题 #

1. 第一种表达式：probe_success{instance="host1"} == 0 and on() probe_success{instance="host2"} == 0
   无标签匹配(on())后，Prometheus默认只保留左侧表达式的标签，因此通知中只有host1的信息。
2. 第二种表达式：sum(probe_success{instance=~"host1|host2"}) == 0
sum聚合操作会丢弃所有非聚合标签（这里就是instance），导致告警完全丢失主机标识。

内容的提问来源于stack exchange，提问作者Ilya Afinogentov