来自：知乎，作者：聆听幸福
链接：https://zhuanlan.zhihu.com/p/342809838
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
- 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
监控流程
通过SNMP、Agent、ICMP、SSH、IPMI等对系统进行数据采集
各类数据库服务，MySQL、PostgreSQL
提供图形及时间线情况信息，方便我们定位故障所在
指标信息、指标趋势展示
电话、邮件、微信、短信、报警升级机制
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
Nginx
- 状态码
- 连接状态信息
- RabbitMQ
- PHP-FPM
- OpenLDAP
- 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
流量分析
日志监控
安全监控
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)
- 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。
