15 分钟无门槛构建服务器性能监控系统

时间 2019-11-16

原文原文链接

服务器监控是每一个互联网厂商都重视而且想要尽量作好的事情，从数据收集、数据处理、数据可视化最终再到实时监控告警，这一系列复杂的流程可能耗费企业大量的人力和时间，以致于某些时候由于其复杂性高没法达到预期的监控效果。而当事故发生时才发现，因为监控体系的不完善形成了不少没必要要的损失, 让咱们追悔莫及。php

为了解决企业的此类烦恼，七牛云推出了快速构建服务器性能监控报警的解决方案。七牛云开源的日志/信息采集工具 logkit 配合七牛云 Pandora 大数据工做流引擎和时序数据库服务，能够方便地对大量服务器的海量性能指标数据进行全方位监控。而整个部署和使用的流程，您完总体验的时间仅需15分钟。node

监控的内容

logkit 目前收集的机器性能指标主要包括十大模块, 上百个指标nginx

system 模块: 监控 load1、load5、load15、用户数、cpu 核数以及系统启动时间等.
processes 模块: 监控处于各类状态的进程数量, 好比运行中/暂停/可中断/空闲/挂起等状态的进程数量等等.
netstat: 监控处于各类状态的网络链接数, 好比syn send/syn recv 等状态的网络链接数.
net: 监控网络设备的状态，好比收发包的数量、收发包的字节数等.
mem: 监控内存的实时状态.
swap: 监控 swap 分区的状态，好比换入、换出、使用率、空闲大小等.
cpu: 监控 CPU 的实时状态，包括cpu 用量，中断时间占比等.
kernel: 监控内核中断次数、上下文切换次数、fork 的进程数等.
disk: 监控磁盘的使用状况, 包括磁盘用量、inode 使用状况等.
diskio: 监控磁盘读写状态, 包括读写次数、总用时等.

各项指标的详细介绍请参考 logkit 系统信息采集模块介绍和配置git

监控效果图

部署完成后，您能够直接载入咱们为您构建的监控模板，最终看到的效果图以下。github

1. 模板变量

模板变量能够起到过滤数据的做用, 好比经过hostname这个模板变量能够具体查看某台特定的服务器上的metric信息，这样即便有数十上百台机器您也能够轻松管理。一样的，对于某台机器的一些具体的资源，如磁盘、CPU、网卡等等，也有相应的模板变量能够选择。数据库

2. 全局概览

全局信息概览能够看到服务器的一些基本信息，好比系统 load 值、内存使用率、磁盘使用率、网络带宽等。以最直观的方式全局把控整个系统的运行状态，方便在基础资源不够时及时发现、及时处理。 json

3. CPU Usage 信息

CPU Usage 顾名思义，就是指 CPU 的使用率，经过这幅图能够看到系统中 user、system 等对于系统 CPU 资源的占用状况。当 CPU 使用率较高且总体运行平稳时，说明您的业务很是健康；若 CPU 的用量曲线波动较大，那就说明服务有能够优化的地方，或者能够添加报警，在业务高峰时及时添加资源。浏览器

4. 系统 load 值与进程

在这张图中你能够看到不一样的统计时间段中系统的负载状况，能够根据负载大小设置告警阈值。同时也能够看到对应的进程数量, 如运行的进程数、在休眠中的进程数，而且能够看到值得关注的一些异常进程，如僵尸进程(zombies)以及被阻塞的进程(blocked)。当存在僵尸进程时说明存在服务异常，须要及时关注并处理。缓存

5. 内存用量

经过这张图能够看到总内存(total)、已使用内存(used)、空闲内存(free)等信息, 同理, 也能够针对这些信息设置告警，及时发现系统性能短板。另外一方面要注意，当系统free的内存少或接近零，而cache部分的内存多时，说明这部分业务对内存缓存较为依赖，虽然服务仍然能够正常运行，但此时极有可能程序无法最大限度利用内存缓存, 致使性能出现了问题。 bash

6. kernel 信息

kernel 基本信息中能够看到内核的上下文切换(context switch)、 fork 的进程数(forks)、已打开(opened)/最大(max)句柄数等信息。一般状况下服务器打开的句柄数都有一个上限，超过了这个限制服务就会出现问题，而服务器的高并发访问极有可能致使打开的句柄数过多，实时监控句柄数有助于查看服务运行情况。

7. CPU 的状态

在这张图中能够看到服务器中各个的CPU的状态，是对于 CPU Usage 的详细拓展。CPU 是一种弹性资源，即便使用量达到 100% 也不会出现直接的服务崩溃，可是极有可能致使服务响应变得极慢，密切关注 CPU 用量，并对于 CPU 设置报警监控也是运维必不可少的一环。

8. 网络相关

这张图展现了系统中处于各个状态的 TCP 链接数量，好比SYN SENT、FIN WAIT 等, 利用这些数据能够及时发现请求的健康状态，常见的如出现大量的FIN WAIT、CLOST WAIT等状态的链接，说明出现了不少慢请求或链接有问题，须要排查，一般这一类指标能够结合打开文件句柄数一同查看。

ICMP、IPV4

这张图中能够看到 icmp、ipv4 等网络协议的收发状态。

这张图中能够看到 udp 数据报 以及 udp 错误数目等，如错误数过多，表示网络情况不佳。

各个网卡的状态

网卡状态展现了包括网卡收发数据的速度(Network Usage)、收发包的速度(Network Packets)、丢包率(Network drops)以及出错频率(Network errors)等信息。

9. 交换分区状态

这张图展现了交换分区的换入换出状态、交换分区的使用状况等。

10. 磁盘用量

磁盘的重要性毋庸置疑，磁盘爆满可能会对服务产生毁灭性打击，无疑也是须要监控的重点。

磁盘 IO

这张图给出了当前各个磁盘的 IO 信息，包括磁盘请求频率(Disk IO requests)、读写速度(Disk IO bytes)以及读写时间(Disk IO time)等，当磁盘 IO 太高时，也有可能存在性能问题，须要关注。

磁盘使用状况

这张图中能够看到磁盘总空间(total)与已使用空间(used), 实时展示磁盘使用状况，而且能够设置告警机制，当磁盘的剩余空间少于某个阈值时及时告警。

快速开始

下面就 Pandora 提供的组件来搭建一个运维监控应用，搭建这个应用只须要四步。

注意，为了顺利使用 Pandora 的各项服务，第一，须要一个已经实名认证的七牛帐户；第二，申请开通 Pandora 的使用权限；

第一步：下载&启动 logkit

从 logkit下载页面下载对应操做系统的 logkit 应用程序。logkit 的详细配置能够参考 logkit Wiki, 固然若是没有特殊需求，只须要使用默认的配置便可。启动 logkit，输入如下命令

./logkit -f logkit.conf
复制代码

第二步：配置 metric 采集收集器

借助 logkit 的可视化配置界面，能够很方便的配置须要采集的 metric 信息，在浏览器中输入配置的 url 访问 logkit 管理中心(默认为 http://127.0.0.1:3000)。

打开logkit配置助手后，点击增长系统信息采集收集器按钮，进入编辑收集器页面.
首先选择要收集的 Metric 信息类型，默认收集所有信息，点击下拉框能够选择再也不收集。
而后选择每一个想要收集的Metric的字段，经过“全选/全不选“按钮能够快速选中/取消选中全部的字段。注意：请至少为每一个Metric 信息选择一个字段；
而后填写相关Metric的配置信息，注意：有些Metric没有能够填写的配置，因此没有显示；
填写发送的目的地，将数据发往pandora平台时，选择pandora sender, 填入本身pandora帐号的ak/sk, 填入 reponame，若是没有特殊需求，其余的选项可使用默认值, 详细的sender信息，能够参考Senders Wiki
最后能够浏览一下配置文件的内容，避免以前有忽略的错误，同时能够自定义配置 metric 信息收集的频率，默认是 3s
点击“确认并提交“后，一条收集 metric 信息的 runner 就建立成功了。

第三步：配置 Grafana 数据源

在七牛应用市场打开 Grafana 应用，而后按照如下步骤配置：

建立应用

1.首先登录七牛 portal 的应用平台找到 Grafana

2.点击当即部署按钮开始建立 Grafana 应用

输入您的 app 名和应用别名，选择部署区域(注意！目前 TSDB 的数据在华东，因此 Grafana 只可部署在华东区域)，点击肯定建立

应用名称：帐号内惟一应用名称，且只能知足如下条件：（1. 只能包含字母、数字和减号，首尾字符只能为字母或数字。 2. 字符长度不能超过 30）应用别名：供显示使用的标题名。

3.等待 app 启动后，输入密码（密码长度必须>=6），点击确认配置

注意，由于 Grafana App 具备公网域名，因此建议设置一个高强度的密码（此密码在进入 Grafana App 后能够修改）。

4.访问 Grafana 进入 Grafana 页面

注意，该 Grafana App 是暴露在公网上的，可收藏地址用于后续访问。

配置 TSDB 数据源

在 Grafana 中使用 Pandora TSDB 以前，咱们须要先添加数据源。

登陆 Grafana，点击菜单中的 Data Sources
点击 Add data source 按钮
在Name填入数据源的名字, Type 选择 Pandora TSDB
填入相应参数，点击添加按钮便可若是在上面 metric收集器 的 sender 配置中没有额外配置 pandora_tsdb_reponame 的话，此处的 Name 填写上面配置的 pandora_repo_name

注意： url 必须填入 http://localhost:8999

第四步：导入 Grafana dashboard 配置文件

下载 Grafana dashboard 配置文件

下载配置文件模板 https://pandora-dl.qiniu.com/MetricMemo.json

将下载的 dashboard 导入 Grafana

至此，您就能够看到一张酷炫的可视化运维监控图啦，固然没有报警的监控是不完整的，下面咱们配置一下监控的告警。

配置 Grafana 告警

就在Grafana上，咱们为您提供了完善的报警功能。

设置 Grafana 报警的 Channel

点击 New Channel 按钮，能够在 Type 选择包括 Slack， Email 邮箱，Webhook 等在内的多种报警方式。
以cpu usage 高于 30% 发邮件报警为例(仅作测试使用，实际生产环境使用时请结合实际状况配置)，配置方法为: 编辑相应的 panel, 选择 Alert, 配置须要监控的查询及其阈值。
点击 State history 能够看到报警历史。
当有报警信息产生时，能够收到报警邮件。