談談監控（轉）

目錄

<a href="http://192.168.6.2/journal/monitor.html#background">1. 背景</a>

<a href="http://192.168.6.2/journal/monitor.html#overview">2. 概述</a>

<a href="http://192.168.6.2/journal/monitor.html#how">3. 怎樣監控</a>

<a href="http://192.168.6.2/journal/monitor.html#idp50309520">3.1. 衛星監測</a>

<a href="http://192.168.6.2/journal/monitor.html#idp50311952">3.2. 逐級診斷</a>

<a href="http://192.168.6.2/journal/monitor.html#idp50315024">3.3. 模拟人工</a>

<a href="http://192.168.6.2/journal/monitor.html#idp50318112">3.4. 資料分析</a>

<a href="http://192.168.6.2/journal/monitor.html#idp50319984">3.5. 監控與開發</a>

<a href="http://192.168.6.2/journal/monitor.html#summary">4. 總結</a>

每個企業都意識到監控工作的重要性，但80%企業的監控工作仍然處在監控的初級階段。

什麼事初級階段呢？

被動監控，故障發生運維人員永遠不是第一個發現故障的人

監控IP位址與TCP端口，很多時候HTTP 80端口正常接受請求，但WEB伺服器不能正常工作。

人肉監控（人肉運維），采用人海戰術，桌面擺放很多顯示器，甚至投影儀，要求監控者盯着各種儀表闆界面，制定各種工作流程以及KPI考核監控人員。

人肉測試，要求監控人員每間隔幾分鐘人工操作一次，以确認系統正常工作，例如（沒15分鐘登陸一次，下一筆頂單，做一次支付等等）。

萬能的重新開機，定其重新開機所有的伺服器。

什麼事中級階段呢？

報警：手機短信更靠譜，因為手機随身攜帶（郵件不算，郵件到達速度慢，各種因素不穩定）

監控服務：探測服務的可用性，而不是僅僅監控端口，注意我是指私有協定的監控（HTTP，SMTP,FTP,MySQL 不算在内）

故障分析：通過日志與調試工具分析軟體BUG，指導開發人員改善軟體品質，使其故障不會再次發生，達到不用restart重新開機方式解決故障

半自動化測試

什麼事進階階段呢？ 我認為進階階段是監控與災備系統打通融合一體。除此之外監控與開發密切相關，在開發階段需要為監控資料采集做鋪墊，每開發一個新功能就要想到未來這個功能是否需要監控，怎樣監控。資料前期采集與資料挖掘非常重要，監控不僅能做軟體與硬體的性能分析，還能提供決策支援。

你在百度上搜尋監控多半是一些開源或商業軟體的安裝配置指南。這些文章中會告訴你怎樣監控CPU、記憶體、硬碟空間以及網絡IP位址與端口号碼。

商業軟體也有很多如 SolarWinds， Whit's Up，PRTG ......

所有的伺服器，網絡裝置，監控你都做了，那麼按照我上面的監控分級，你處于監控的那個階段？

監控都有哪些手段跟方式呢？

通常是通過IP位址通路遠端主機，實施監控，常用方法是SNMP,SSH,以及各種Agent(代理)，方式是請求然後接收傳回結果，通過結果判斷主機狀态。

以監控伺服器為中心，星型散射連接配接其他監控節點，沒有什麼優點，缺點是Web跟Mail節點的通信沒有監控

這個詞是我想出來的，不知道是否确切，一級一級的向下探測，尋找故障點

首先監控伺服器跟星型拓撲一樣監控，再讓Web節點去通路Cache節點然後傳回監控結果，以此類推，讓Cache節點通路Database, 讓Web通路Database節點。

将所有業務邏輯都逐一模拟一次，任何一個環節出現問題，立即發出警告。

這裡主要監控服務是否可用，可以檢查軟體的工作情況，涉及測試環節。

通過自動化測試工具輔助監控，例如模拟滑鼠點選，鍵盤輸入，可以監控圖形界面程式與網頁程式。

Windows 監控可以通過 Windows Automation API實作，通過程式控制，能夠模拟人工操作軟體，實作操作比對傳回結果實作自動化監控

Web頁面監控的方案就太多了，比較經典的是Webdriver衍生出的各種工具Selenium - Web Browser Automation最為出名。我通過這個工具模拟使用者操作，例如使用者注冊，登陸，發帖，下單等等，然後比對傳回結果實作自動化監控與報警

通過資料分析，将故障消滅在故障發生前。舉一個例子，開發人員忘記設定redis 時間，雖然程式一直完好工作，但redis記憶體不斷增長，總一天會出現故障。

我們通過采集redis狀态資訊，分析一段時間内資料變化發現了這個問題。

談到監控很多人認為這是運維的事情，實則不然，不懂運維的測試不是好開發。

開發過程中需要考慮到監控，例如Nginx的status子產品， MySQL的show status指令, Redis的info指令，都是為監控預留的。那麼你開發的程式是否考慮到了監控這塊呢？

你可以通過日志形式或者管道，再或者Socket将程式的運作狀态提供給監控采集程式。

好的監控的能讓你對系統了如指掌，做到心裡有數。有資料才好說話。

http://netkiller-github-com.iteye.com/blog/2190593