运维监控指标全方面总结

2023-04-21 00:00:00 用户 磁盘 状态 监控 使用率

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

  • 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。

相关文章