對于運維的日常工作來說，服務(wù)器監(jiān)控是必須且最基礎(chǔ)的一項內(nèi)容。在企業(yè)基礎(chǔ)設(shè)施運維過程中，管理員必須能夠掌握所有服務(wù)器的運行狀況，以便及時發(fā)現(xiàn)問題，盡可能減少故障的發(fā)生。通常我們會借助一些監(jiān)控的軟件來獲取每個服務(wù)器的基礎(chǔ)指標(biāo)并進行集中的查看、分析、監(jiān)控。

市面上開源、收費的服務(wù)器監(jiān)控系統(tǒng)非常多，例如老牌的zabbix、nagios、NewRelic、CollectD等，近期開始流行的Telegraf、Prometheus。各類系統(tǒng)都有其出彩的點，例如Zabbix強大的生態(tài)、NewRelic的服務(wù)、Prometheus的云原生友好等。服務(wù)器監(jiān)控相對中間件、業(yè)務(wù)監(jiān)控更加基礎(chǔ)，關(guān)注點主要集中在監(jiān)控的易用性、穩(wěn)定性、實時性、報警豐富度、報表使用便捷度等。

本期為大家介紹如何使用阿里云SLS來快速構(gòu)建一套完整的服務(wù)器/主機基礎(chǔ)指標(biāo)實時監(jiān)控方案。

SLS時序存儲簡介

SLS的日志存儲引擎在2016年對外發(fā)布，目前承接阿里內(nèi)部以及眾多企業(yè)的日志數(shù)據(jù)存儲，每天有數(shù)十PB的日志類數(shù)據(jù)寫入。其中有很大一部分屬于時序類數(shù)據(jù)或者用來計算時序指標(biāo)，為了讓用戶能夠一站式完成整個DevOps生命周期的數(shù)據(jù)接入、清洗、加工、提取、存儲、可視化、監(jiān)控、問題分析等過程，我們專門推出了時序存儲的功能，與日志存儲一道為大家解決各類機器數(shù)據(jù)的存儲問題。

SLS時序存儲從設(shè)計之初就是為了解決阿里內(nèi)部與眾多頭部企業(yè)客戶的時序存儲需求，并借助于阿里內(nèi)部多年的技術(shù)積累，使之可以適應(yīng)絕大部分企業(yè)級時序監(jiān)控/分析訴求。SLS時序存儲的特點主要有：

豐富上下游：數(shù)據(jù)接入上SLS支持眾多采集方式，包括各類開源Agent以及阿里云內(nèi)部的監(jiān)控數(shù)據(jù)通道；同時存儲的時序數(shù)據(jù)支持對接各類的流計算、離線計算引擎，數(shù)據(jù)完全開放；

高性能：SLS存儲計算分離架構(gòu)充分發(fā)揮集群能力，尤其在大量數(shù)據(jù)下端對端的速度提升顯著；

免運維：SLS的時序存儲完全是服務(wù)化，無需用戶自己去運維實例，而且所有數(shù)據(jù)都是3副本高可靠存儲，不用擔(dān)心數(shù)據(jù)的可靠性問題；

開源友好：SLS的時序存儲原生支持Prometheus的寫入和查詢，并支持SQL92的分析方法，可以原生對接Grafana等可視化方案；

智能：SLS提供了各種AIOps算法，例如多周期估算、預(yù)測、異常檢測、時序分類等各類時序算法，可以基于這些算法快速構(gòu)建適應(yīng)于公司業(yè)務(wù)的智能報警、診斷平臺。

服務(wù)器監(jiān)控方案概述

SLS的主機監(jiān)控方案非常簡單，只需要安裝一個Logtail就可以采集各個主機的基礎(chǔ)指標(biāo)，服務(wù)端都是云化，無需運維，默認(rèn)SLS提供了可視化的儀表盤，也可以通過Grafana來進行更加專業(yè)的可視化。

目前Logtail采集了主機常用的基礎(chǔ)指標(biāo)，包括CPU、內(nèi)存、網(wǎng)絡(luò)、磁盤等，其中對較為關(guān)鍵的指標(biāo)都做了可視化，便于直接查看。

數(shù)據(jù)接入

數(shù)據(jù)接入的流程非常簡單，只需要在SLS控制臺上操作即可完成(對于非阿里云的服務(wù)器，需要在服務(wù)器上額外執(zhí)行2條命令)，具體接入的方法可參見：采集主機監(jiān)控數(shù)據(jù)。

接入過程中最核心的就是給每臺主機的Logtail增加一個采集配置，Logtail的采集配置可以完全云化管理，無需登錄每臺服務(wù)器手動配置。

{ "inputs": [ { "detail": { "IntervalMs": 30000 }, "type": "metric_system_v2" } ]}

可視化

在運維可視化領(lǐng)域Grafana是當(dāng)前大家接受度最高的可視化方案，SLS為主機監(jiān)控專門增加了2個Dashboard模板，包括一張集群級別的監(jiān)控大盤和單機的詳細指標(biāo)大盤。這些大盤可以一鍵導(dǎo)入到Grafana中。

Grafana的配置流程如下：

在Grafana中把SLS的時序庫作為Prometheus的數(shù)據(jù)源，設(shè)置方式可參考：Grafana可視化配置。

導(dǎo)入Grafana模板市場中的SLS模板：主機監(jiān)控集群指標(biāo)、主機監(jiān)控單機指標(biāo)。

監(jiān)控數(shù)據(jù)分析與告警配置

作為一個合格的運維人員，僅僅配置完炫酷的監(jiān)控儀表盤還不夠，還需要對集群設(shè)置好足夠的告警項并能在需要排查問題的時候利用監(jiān)控數(shù)據(jù)分析的語法快速定位問題。這些本質(zhì)上都是對集群的指標(biāo)進行一些計算和統(tǒng)計。

SLS時序數(shù)據(jù)支持SQL、PromQL以及SQL+PromQL等多種查詢方式，PromQL查詢語言相對更加簡潔，SQL能夠?qū)崿F(xiàn)的語義更加強大。而主機的監(jiān)控數(shù)據(jù)相對比較簡單，建議使用PromQL或SQL+PromQL的方式。

下面介紹幾個在告警、分析中經(jīng)常會用到的幾個統(tǒng)計方式：

計算所有機器的某個指標(biāo)平均值，例如平均CPU

查找某個指標(biāo)最高的N臺機器，比如查找內(nèi)存占用最高的5臺機器

查找某個指標(biāo)超過X的機器，比如找到1分鐘網(wǎng)絡(luò)流量超過10M的機器

計算某臺機器的某個指標(biāo)相對某個時間點的變化，比如計算某臺機器磁盤使用率相比1天前的變化

這些用PromQL實現(xiàn)起來非常容易，可以在Grafana的Explore頁面直接調(diào)試：

平均CPU： avg(cpu_util)

查找內(nèi)存占用最高的5臺機器：topk(5, mem_util)

找出1分鐘網(wǎng)絡(luò)流量超過10M的機器：(sum_over_time(net_in[1m]) + sum_over_time(net_out[1m])) > (10*1024*1024)

計算某臺機器磁盤使用率相比1天前的變化：disk_util{hostname="iZ2ze06ibdlxtgebgtu4xdZ"} - disk_util{hostname="iZ2ze06ibdlxtgebgtu4xdZ"} offset 1d

而告警也可以直接在Grafana上配置，可以在集群監(jiān)控的Dashboard上直接配置告警，例如下面是配置CPU集群平均CPU超限的告警，告警規(guī)則是：每分鐘計算最近5分鐘內(nèi)的集群CPU平均利用率，如果連續(xù)5分鐘超過80%則觸發(fā)告警。

總結(jié)

服務(wù)的基礎(chǔ)指標(biāo)監(jiān)控是我們監(jiān)控運維領(lǐng)域最基礎(chǔ)的工作之一，構(gòu)造公司IT的全方位監(jiān)控還有很多工作要做，例如中間件監(jiān)控、云產(chǎn)品監(jiān)控、應(yīng)用監(jiān)控、業(yè)務(wù)監(jiān)控等，而這些利用SLS的日志和時序存儲功能都可以很容易的實現(xiàn)，其他相關(guān)的實現(xiàn)我們會在后續(xù)文章中給大家呈現(xiàn)。

大家在使用SLS中遇到的任何問題，請加釘釘群，我們有專門的日志女仆24小時在線答疑，還有火鍋哥和燒烤哥專業(yè)支持！~ SLS微信公眾號定期會發(fā)布各類日志、監(jiān)控領(lǐng)域的技術(shù)分享文章并定期舉行抽獎，歡迎小伙伴們關(guān)注~

另外歡迎對大數(shù)據(jù)、分布式、機器學(xué)習(xí)等有興趣的同學(xué)加入，轉(zhuǎn)崗、內(nèi)推，來者不拒，請用簡歷狠狠的砸我，聯(lián)系郵箱 davidzhang.zc@alibaba-inc.com ！~

總結(jié)

以上是生活随笔為你收集整理的net start zabbix agent 服务没有相应控制功能_一步到位，服务器监控就是这么简单...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。