总结归纳运维工作中的监控内容。
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

• 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

• 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

• 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）
• 第三方监控
  • New Relic

• 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

• 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/developerw ... ipmi/

• CPU、内存、硬盘、使用率
• inode
• 网卡出入带宽
• TCP连接数
• 磁盘读写、只读

• MySQL
  • 服务可用性
  • 内存使用率
  • 主从不同步及延迟
• Redis、Redis Cluster
  • 内存使用率
• Nginx
  • 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
• Graylog
• GitLab
• Jenkins
• MongoDB
• HAproxy

URL、API监控

性能监控（APM）Java|PHP|Go|Nodejs|分布式链路追踪

• PinPoint
• Zipkin
• SkyWalking
• CAT、Jaeger

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

• 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

• 钉钉、微信、企业微信等其他即时通信软件

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。
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

• 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

• 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

ELK、Graylog实现异常日志，错误日志关键字的监控。
确定监控指标，监控起来，业务不同各不相同。
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
Dashboard

自动化监控

通过API，批量操作
完整的监控系统，需要对业务有详尽的了解，软件只是手段。

原文链接：https://zhuanlan.zhihu.com/p/342809838