企业官网建设流程全解析

Keep 开源 AIOps 告警管理平台：从 0 到 5 分钟跑起来

【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 3 点，Prometheus、Datadog、CloudWatch 几乎同时找你：50 条告警涌进来，其中一半在说同一件事。Keep 是一个开源 AIOps 告警管理平台，把 100 多个监控工具的告警收进同一张表，做去重、关联，还能替你执行处理动作。本文先带你 5 分钟跑起来，再讲功能和生产部署。

它解决什么问题

告警体系常见的麻烦，基本集中在四件事上：

• 📥来源分散：告警散落在云监控、APM、日志系统里，值班人要在多个控制台之间来回切。Keep 把它们汇聚到同一个面板里。
• 🔁重复轰炸：同一个数据库挂了，上下游服务各报一次，刷屏的是告警，淹没的是真正的问题。Keep 提供去重、映射和关联，把重复噪音压下去。
• 🤖缺上下文：告警只告诉你"出了事"，不告诉你"跟什么有关"。Keep 用 AI 把相关告警聚成事件，并给出疑似根因。
• ⚡响应靠手动：重复故障每次都靠人肉处理。Keep 的工作流可以在告警触发的瞬间调用任意工具执行动作，人不用到场。
• 🧭影响范围看不清：拓扑页把环境里组件的依赖关系画出来，出事的节点周围连着一串下游，一眼能看出波及面。

Docker 5 分钟部署 Keep

环境要求：装好 Docker 和 Docker Compose 的机器即可。

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

大约一分钟，容器全部起来。浏览器打开http://localhost:3000进入界面；默认 compose 是无鉴权模式，直接进。如果你改用带鉴权的docker-compose-with-auth.yml，默认账号密码是 keep/keep，登录后建议改掉。

进去之后，前 5 分钟可以按这个顺序玩：

1. 连一个监控源：在 Providers 页面添加数据源，支持 webhook 直推，也支持 Datadog、Prometheus、Grafana 等拉取式接入。
2. 看告警面板：在 Feed（告警表）确认数据真的进来了，顺手试试按严重度、状态过滤。
3. 试一个工作流：Workflows 页面有 AI 助手，用一句自然语言就能生成工作流配置。
4. 看服务拓扑：到 Service Topology 页，了解环境里组件的依赖关系。

四个值得看的功能

告警关联分析：AI 帮你把告警聚成事件

它做什么：Keep 的 AI 插件会基于历史告警和事件记录训练关联算法，判断哪些新告警应该归入已有事件，哪些是全新问题，阈值和训练轮次都可以在界面上调。

对你意味着什么：告警风暴时你不再需要一条条人肉归并——事件数量保持可控，执行日志里还能看到每次合并的依据，排查时先读事件再翻明细。

界面长什么样：配置页可以调训练精度阈值、关联阈值，下方就是每次运行的执行日志和合并结果。

服务拓扑：一张图看清依赖关系

它做什么：Service Topology 页把环境里的平台、服务、数据库、消息队列画成一张依赖图，节点上标着告警数。

对你意味着什么：API 服务报警时，你能顺着连线看到它压在哪个数据库上、又喂给了哪些下游，"还有谁受影响"这个问题不用再去问人。

界面长什么样：典型的拓扑长这样——Platform、API Service、DB、Kafka、Processor、Storage 之间的调用关系一目了然，带红点的节点就是正在报警的。

AI 工作流助手：说人话就能建自动化

它做什么：在 Workflow Builder 里输入一句需求，比如"每分钟查一次 CloudWatch 日志，发现 error 就发到我的 Slack"，助手会把它拆成触发器、查询、条件判断、通知动作几步，逐步跟你确认。

对你意味着什么：不用记工作流 YAML 的每个字段，非开发同学也能把重复故障的处置逻辑固化成自动化。

界面长什么样：左侧是对话和生成的步骤说明，右侧同步渲染出触发器与步骤的可视化流程图。

统一告警面板：一张表处理所有告警

它做什么：所有来源的告警进同一张表，列上有名称、状态、最近收到时间、负责人，左侧是严重度、状态、来源、负责人等过滤维度，顶部还能写 CEL 表达式做自定义搜索。

对你意味着什么：批量勾选标记解决、改派、进事件，都在表格里直接完成，值班交接看一张表就够了。

界面长什么样：深色主题下的告警表，471 条告警按状态分组铺开，每行都能单独展开处理。

K8s 生产部署要点

生产环境建议直接上 Helm + Kubernetes：

helm repo add keep https://keephq.github.io/helm-charts helm install keep keep/keep -n keep --create-namespace

高可用主要盯三个配置项，改对应的 values 即可：

• 副本数：backend 设 3 个副本，frontend 设 2 个，避免单点；
• 资源配额：给 backend 和 frontend 都设 requests/limits，防止单实例把节点内存吃满；
• 持久化：数据库开启持久化存储并配好容量，告警历史才不会丢。

另外，Keep 自带 OpenTelemetry 指标支持，把导出端点指到你的 collector，Keep 自身也能进你现有的监控大盘。

接入你的监控生态

Keep 内置 100 多个 provider，大致分五类：云平台监控（AWS CloudWatch、GCP Monitoring、Azure Monitor）、APM（Datadog、New Relic、Dynatrace）、日志与检索（Elasticsearch、Grafana Loki、Splunk）、通知渠道（Slack、Teams、邮件、Webhook），以及 AI 后端（OpenAI、Anthropic、DeepSeek、Ollama 等，给关联分析和工作流助手供能）。完整清单可以在仓库的 docs/providers 目录里按名字找。

工作流是 Keep 的自动化底座：YAML 定义，触发器可以是告警、定时或手动，动作可以调用任意 provider 的方法。最简形态大概 5 行：

workflow: id: cloudwatch-slack-notifier triggers: - type: alert filters: - key: source value: cloudwatch actions: - name: trigger-slack provider: type: slack config: "{{ providers.slack-prod }}" with: message: "Got alarm! {{ alert.name }}"

需要更多写法的话，仓库 examples/workflows 目录里有上百个现成例子，从定时任务到故障自愈都有，直接改 ID 和参数就能用。

落地路线建议

• PoC（1-2 天）：Docker 跑起来，接入一个真实数据源，验证告警能从进来到被处理。
• 开发环境（约 1 周）：开持久化，接齐团队在用的监控和通知渠道。
• 预生产（约 2 周）：上 Kubernetes，配好备份和监控，压一压告警量大的场景。
• 生产（约 1 个月）：多副本高可用、收紧访问控制，把高频故障的处置沉淀进工作流。

写在最后

告警管理这件事，难的不是"多一块屏"，而是让涌进来的告警以你能处理的方式到达。Keep 把这个过程拆成了聚合、降噪、关联、自动化四步，且每一步都是开源可改的。

接下来三步：

1. 克隆仓库，用 Docker Compose 把 Keep 跑起来；
2. 接一个你最常看的数据源，让真实告警进面板；
3. 用 AI 助手生成一个工作流，处理掉一类重复故障。

更多细节可以看仓库 docs/overview/introduction.mdx 入门文档，工作流写法参考 docs/workflows 目录。

【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