如何給測量數(shù)據(jù)加入報警機制？

發(fā)布：2018-06-19 12:01:52 瀏覽：3578

用于報警的監(jiān)控系統(tǒng)不同于測量數(shù)據(jù)采集系統(tǒng)，Nagios就是一個常常和測量數(shù)據(jù)采集系統(tǒng)配合使用的監(jiān)控報警工具。

測量數(shù)據(jù)采集系統(tǒng)專注于數(shù)據(jù)采集的好處，是有能力發(fā)現(xiàn)那些相關點(Integrationpoints)，對這些點的異常值進行報警。Flickr使用Ganglial作為測量數(shù)據(jù)采集系統(tǒng)，Nagios作為監(jiān)控及報警系統(tǒng)。在某些情況下，將兩者緊密結合起來，以建立復雜的報警條件。使Nagios.感知Ganglia采集的數(shù)據(jù)，就可以具有更為高級的監(jiān)控手段，這樣，不僅單點達到閾值(threshold)時會產(chǎn)生異常，在滿足多值亞閾值模式(multiple-valuesubthresholdpattem)的情況下，也會產(chǎn)生異常。

例如，假設一個運行Apache的Web服務器集群，這些Web服務器訪問運行MYSQL或Poster的后端數(shù)據(jù)庫，獲取信息生成頁面。一個經(jīng)常發(fā)生的情況是數(shù)據(jù)庫查詢運行時間太長，且原因不明，這樣，由于連接不能盡快關閉，數(shù)據(jù)庫總的活動連接數(shù)就會增加。結果是，在這些連接上等待的Apache進程也會增加。由于Web服務器和數(shù)據(jù)庫的進程數(shù)都有最大值的限制，所以要分別設置Web服務器和數(shù)據(jù)庫的警告(warning)和緊急(critical)閾值，將閾值分別設置為最大值的某個合適的百分比。

對Web服務器和數(shù)據(jù)庫集群中的每個節(jié)點的每個值(Apache的忙碌進程和數(shù)據(jù)庫的打開連接)有異常都要報警嗎?假如這種異常只發(fā)生在一臺數(shù)據(jù)庫(或一個數(shù)據(jù)庫集群)，或一部分Web服務器上，會怎么樣呢?Flickr的做法是將Ganglia采集的各種數(shù)據(jù)集成到Nagios，我們就能夠做靈活的報警設置，即忙碌的Web服務器(指忙碌的Apache進程數(shù)達到緊急閾值的Web服務器)的數(shù)量達到一定百分比時，才報警，也僅在忙碌的數(shù)據(jù)庫服務器(指忙碌的連接數(shù)達到緊急國值的數(shù)據(jù)庫服務器)的數(shù)量達到一定百分比時，才報警。

能夠處理這些甚至更復雜的系統(tǒng)與數(shù)據(jù)的耦合，意味著降低了報警的噪聲，只在發(fā)生眾所周知而又復雜的情況時，呼機才會在半夜三更響起來。

另一個例子是對值的飆升進行報警，報警系統(tǒng)不像采集系統(tǒng)那樣記錄了歷史數(shù)據(jù)的細節(jié)。例如，如果應用程序提供了照片或視頻上載的功能，使用模式也相對正常(如每日的波峰和波谷)，而且對高低線上的變化能夠報警，在美國東海岸進入夢鄉(xiāng)時，你可能會料想到照片上載量會下降，日峰和日谷之間的變化可能會達到40%。但你會想到一小時之內(nèi)上載量會下降409%嗎?不是下降到0，而是短時間之內(nèi)的劇烈下降!這種情況就值得報警。

這種將網(wǎng)站建設監(jiān)控系統(tǒng)和采集系統(tǒng)集成起來的做法很常見，這方面有大量的開放源代碼項目和文檔：

集成Nagios(http://www.monitoringexchangeorg/inventory/check-pluginsSoftware/Misc/checkganglia)

Nagios和Cacti(http://trac2.assemblacom/npc/)

Nagios和munin(ht://munin-monitoring.org/wiki/Howtocontactnagios

開放源代碼GroundWork(集成Nagios、Ganglia、Cacti，http//www.groundwork-pensource.com/community/open-source/).