自动化运维技术讨论之----运维监控如何帮你提前发现故障（获奖名单已公布-2013-7-31）

kooleon

回复 5# osapub

zabbix的一些监控内容是从/proc下面文件的内容抓取的，经过换算之后，和平时在主机上看的信息有些出入（比如说磁盘占用率）。另外之前我有一台主机zabbix上ping不通，但是实际上是通的（用nagios时ping 不通的警告就少很多）
写过一些脚本，包括一些IPTABLES的脚本，zabbix的话脚本写得少点，很多东西里面都有，nagios写得就多一些。
国内的开源监控？ tsar 吧。
tsar 还是蛮不错的，简洁明了，很方便查看系统运行状态，分析系统瓶颈，做故障分析。故障分析时直接登录到系统里去查询，要比你在监控页面上找查找要快得多。
   

osapub

回复 29# kooleon


有没有体验过国产开源软件：osa监控精灵呢？地址是：http://monitor.osapub.com


   

kooleon

回复 30# osapub

这个没有用过，看了一下说明和演示版。还是不错的，有机会的话，试试


   

flycentos

用nagios cacti zabbix 以及自己编写的一些小脚本获基础架构平台和应用程序的状态信息，通过邮件或者短信以及线上ON call电话的形式及时通知管理员。为数据测量加入报警机制，数据加载建立反馈机制。把时间和事件做一个串联。做到未雨绸缪。

chenyx

支持一下茂哥
目前我们使用的是开源的nagios来监控服务器的状态,利用nagios发邮件到手机上,间接实现短信报警.

2，针对目前使用的故障的预警和监控机制，您有哪些优化心得或建议，请分享一二？
最开始使用的是nagios+飞信机器人的方式报警,后来由于老机器挂掉,新机器是64位的,就安装了64位的系统,结果那个飞信机器人就不能用了.
至于误报,nagios默认策略是检测3次才报警,这个在一定程度上能减少误报的概率,用起来还是很方便的.
如果需要,可以修改nagios的主机模板,修改报警的策略.

chenryn

1，分享您在日常运维过程中是通过什么方式发现故障的？

故障发现通过几个方面：
第一是服务器监控，服务器监控来说，现在软件超级多，不过我还是支持nagios，第一是nagios的告警策略设计，可以处理的很详细，用好了就不会让“虚”报警掩埋掉真正有用的报警；第二是nagios社区比较庞大，插件很多，利用pnp4nagios绘图啊，mod_gearman分布式啊都可以解决很多需求。至于自动发现，从nagios的一个python port项目shinken那里扒过来一个nmap解析脚本就可以用了。
Etsy有一句话：“所有的监控软件都朝着做成nagios的方向发展”，以此献给广大监控软件挑迷眼者。

第二是访问监控。可以用基调，也可以自己用js埋点。不过等故障从基调都可以看到了，说明这个故障已经很大了……

第三是实时日志分析。这里推荐logstash，是ruby写的，相信运维多少会些脚本语言，稍微改改ruby的能力还是有的。而其他的类似项目大多是java的，上手难度就比较大了。

2，针对目前使用的故障的预警和监控机制，您有哪些优化心得或建议，请分享一二？

首先，要从监控发展到预警，首先要监控的够全面，这样可以在还没变成“故障”的时候，监控到一些其他数值的异动。
其次，一图胜万言，充分利用RRD或者graphite等工具。

zhaopingzi

    能提前监控？

expert1

其实只是需要2个，第一个发出警告的，nagios已经成为业界标准，毋庸置疑。

第二，获取历史记录的，开源的cacti,自己写的也好。无非是C/S 端，agent发送本机的信息，rrdtool或者highchart之类的绘图。

T-Bagwell

深切关注此主题

T-Bagwell

OSA是纯php,python开发的吗？
节点数最大是多少呢？
是主动报数据还是扫数据呢？