运维监控指标全方面总结

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

• 流行监控

• Zabbix+Prometheus+Grafana

监控流程

• 采集

• 存储

• 分析

• 展示

• 报警

• 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
  
  

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。