运维监控体系总结

运维监控体系总结

总结归纳运维工作中的监控内容。

监控目标

明白监控的重要性以及使用监控要实现的业务目标

通常包括以下三点:

• 对目标系统进行实时监控
• 监控可以实时反馈目标系统的当前状态
  目标系统硬件、软件、业务是否正常、目前处于何种状态
• 保证目标系统可靠性，业务可以持续稳定运行
  有问题第一时间反馈出来，便于运维人员处理

监控方法

• 了解监控对象
  例如:CPU如何工作？
• 性能基准指标
  例如: CPU使用率、负载、用户态、内核态、上下文切换
• 报警阈值定义
  例如: CPU负载高的定义，内核态、用户态多少算高
• 故障处理流程
  如何更高效处理故障的流程

监控核心

• 发现问题
• 定位问题
• 解决问题
• 总结问题，对故障原因及问题防范进行归纳总结，避免以后重复出现

监控工具

• 老牌监控
  • Cacti
  • Nagios
  • smokeping
• 流行监控
  • Zabbix
  • OpenFalcon
  • Prometheus+Grafana
  • 滴滴开源夜莺Nightingale
  • smartping(专用于网络监控)
  • LEPUS天兔(专用于监控数据库)
• 自研
• 第三方监控
  • 监控宝
  • 听云
  • newrelic

监控流程

• 采集
  通过SNMP、Agent、ICMP、SSH、IPMI等对系统进行数据采集
• 存储
  各类数据库服务,MySQL、PostgreSQL
• 分析
  提供图形及时间线情况信息，方便我们定位故障所在
• 展示
  指标信息、指标趋势展示
• 报警
  电话、邮件、微信、短信、报警升级机制
• 处理
  故障级别判定，找响应人员进行快速处理

监控指标

• 硬件监控
  • 机器硬件:CPU温度、物理磁盘、虚拟磁盘、主板温度、磁盘阵列
  • IPMI工具无法获取到硬件的状态，可以借助MegaCli工具探测Raid磁盘队列状态
  • https://www.ibm.com/developerworks/cn/linux/l-ipmi/
• 系统监控
  • 主机存活
  • CPU、内存、硬盘、使用率
  • inode
  • 负载
  • 网卡出入带宽
  • TCP连接数
  • 磁盘读写、只读
• 应用监控
  • MySQL
    • 服务可用性
    • 内存使用率
    • 磁盘使用
    • 主从不同步及延迟
    • 备份情况
    • 连接数
  • Redis、Redis Cluster
    • 负载
    • 内存使用率
    • 连接数量
    • qps
  • Nginx
    • 状态码
    • 连接状态信息
  • RabbitMQ
  • PHP-FPM
  • OpenLDAP
    • 接入IP
    • 调用次数
  • Zimbra
  • OpenVPN
    • 版本信息、当前在线
    • 用户、分配IP、客户端连接IP、通过IP获取地址位置、接收发送流量 连接时间 时长 连接ID
  • ELK
  • Graylog
  • GitLab
  • Jenkins
  • MongoDB
  • HAproxy
• 网络监控
  • 网络质量
  • 公网出口
  • 专线带宽
  • 网络设备
• 流量分析
• 日志监控
• 安全监控
• URL、API监控
  • https://github.com/brotandgames/ciao 简单易用
  • https://github.com/710leo/urlooker
  • 自研
  • 阿里云方案
• 性能监控(APM)java|php|go|nodejs|分布式链路追踪
  • PinPoint
  • Zipkin
  • SkyWalking
  • CAT、Jaeger
• 业务监控
  • 电商业务为例
    • 每分钟产生多少订单
    • 每分钟注册多少用户
    • 每分钟多少活跃用户
    • 每天有多少推广活动
    • 推广活动引入多少用户
    • 推广活动引入多少流量
    • 推广活动引入多少利润
• 其他
  • SSL证书监控
  • 存活性 进程是否还在，端口监听、Log滚动
  • 健康指标 MQ消息堆积量
  • 接口监控 API成功率，延迟情况，QPS等等

监控报警

• 邮件
• 短信
• 钉钉、微信、企业微信等其他即时通信软件
• 电话

报警处理

• 故障自愈: 服务器宕机自动启动。利用软件机制supervisor,systemd或者自定义脚本实现

综合监控

• 硬件监控
  通过SNMP来进行路由器交换机的监控、其他内容使用IPMI实现。如果都是公有云，可以忽略这部分内容。案例:Open-Falcon监控H3C-ER3260G2路由器
• 系统监控
• 服务监控
  • 服务自带
    • Nginx自带status模块
    • PHP相应status模块
    • MySQL利用percona官方工具进行监控
  • 通过自定义方法获取数据
    • MySQL show global status xxx;
    • Redis info指令信息
• 网络监控(混合云架构)
  • smokeping
  • smartping
• 安全监控
  • 云服务直接用云安全组即可，或者补充本机iptables
  • 硬件防火墙
  • Web服务使用Nginx+Lua实现Web层面的防火墙，或者Openresty
• 日志监控
  ELK、Graylog实现异常日志，错误日志关键字的监控
• 业务监控
  确定监控指标，监控起来，业务不同各不相同
• 流量分析
  建议使用百度统计，google统计，商业，研发嵌入代码实现。或者使用piwik
• 可视化
  dashboard
• 自动化监控
  通过API,批量操作

监控总结

完整的监控系统，需要对业务有详尽的了解，软件只是手段。