自定义的云中监控预警体系初探

1.概述

　　有人说，云计算拼的就是运维能力。随着云平台规模的不断扩大，运维的难度也呈直线上升，云平台的监控预警系统变得越来越重要。

　　提到监控预警系统，很多人的第一反应就是：可通过各种图表查看各个监控项的状态；可对监控项设置警报，达到一定阀值时告警，能通过邮件、短信等方式通知到管理员，等等。

　　这些确实是大多数监控系统的基本功能，但对于传统的监控系统，更倾向于发现问题，通知管理员处理。在云计算的时代，监控能否做得更多呢？下面我将为大家介绍一下品高云的监控系统。

　　品高云作为一个自主研发的，遵循亚马逊接口标准的云平台，其监控系统也不例外。品高云的监控系统，即云监控服务，在兼容亚马逊CloudWatch接口的基础上，作了大量的优化与扩展，方便管理员和用户的使用。

2.自定义的云监控系统

　　作为监控系统，首先要确定监控的内容，即监控指标。每一种云资源都会有内置的一些监控指标，如实例的CPU使用率、网络I/O；存储卷的磁盘I/O，读写操作数，等等。管理员可查看、管理云平台的各项监控指标。
　　

(图： 监控设置)

　　如果云平台内置监控指标不能满足需求，怎么办呢？没关系，我们支持自定义监控指标。只需要按要求撰写好数据采集脚本、新建监控指标即可。

　　下面以监控MySQL连接数为例，展示如何在品高云监控服务自定义指标：

1.撰写数据采集脚本，并由管理员上传到云平台指定目录：

(图： 脚本)

2.新建监控指标，填写相关参数：

(图： 新建指标)

　　数据采集脚本是在哪里运行的呢？这与监控指标的设置有关。监控指标的收集方式包括ec2config和controller。

ec2config是内置在云平台镜像里面的一个程序，可与云平台交互，实现更多的功能。收集方式选择ec2config，即是由该程序在实例内部运行采集脚本，并通过特定的URL汇报到云平台。

controller，即由云平台物理机运行采集脚本。

　　自定义监控指标默认都通过ec2config采集数据。

　　定义好监控指标，云平台便会根据设定定时去收集、汇总数据。我们可以到各个资源的详情页面，查看该资源相关指标的监控数据。

(图： 监控图表)

　　有监控数据只是第一步，我们要如何利用这些数据去完成更多的操作呢？答案就是：监控警报。

　　对于亚马逊CloudWatch，一个监控警报只对应一个云资源的一个监控指标；如果想监控100个实例的CPU使用率，必须重复建100遍。

　　品高云对此作出改进，将监控警报拆分为警报定义跟监控项。警报定义包括警报类型、触发条件、触发操作等通用定义，与具体云资源无关。

（图：新建警报）

　　如果警报类型选择的是任意实例、任意主机，则无需其他操作，警报自动对所有实例、主机（包括后续新建的）生效。

　　如果不是针对任意资源的警报，则还需要创建监控项，选择具体需要监控的资源，绑定到相关的警报。

（图： 新建监控项）

　　新建监控项时，还可以定义触发操作。要注意的是：定义在监控警报的操作是通用的触发操作，所有绑定到该警报的资源都会触发；定义在监控项的操作则只对该监控项对应的资源生效。

　　监控警报能触发的操作，目前主要包括三种：

　　1.平台消息： 警报触发后，往云平台发送消息，用户登录时可以看到。

（图：平台消息）

　　2.发送SNS主题： SNS即云平台的另一个服务：简单通知服务。用法是：根据需要创建一个SNS消息主题，当监控警报触发时，将向该主题发布消息。

　　一个SNS消息主题可以添加多个消息订阅。订阅方式可以是Email、Email-JSON或HTTP。当有人向消息主题发布消息时，所有已确认的订阅者都能收到消息。

　　如果是Email、Email-JSON的订阅者，将收到邮件通知；如果是HTTP订阅者，将收到POST请求（消息内容为JSON格式），用户可根据需要作进一步的处理。

（图：SNS订阅）

　　3.触发弹性策略： 弹性策略与云平台另一个服务：弹性伸缩服务有关。

　　弹性伸缩服务可以让用户创建弹性组，通过指定启动配置（包括使用的镜像，网络，是否使用负载均衡），最小、最大及当前需要的实例个数等来创建一组云资源。

　　服务本身会对实例进行健康检查，确保健康的实例数量达到设置的需要值； 通过定义弹性策略加、减实例，再与云监控服务结合，达到通过监控数据的变化动态改为需要实例个数的目的。

(图：弹性策略)

　　一个较为经典的应用场景是： 以弹性组的方式部署一批WEB服务器，通过负载均衡对外提供服务。

　　对弹性组实例的平均网络连接数建立两个警报：

　　当并发连接数达到一个较高值时，触发添加实例的弹性策略增强处理能力；当并发连接数下降到一个较低值时，触发减少实例的弹性策略以节约资源，从而实现自动根据负载情况自动伸缩资源。

　　上述功能所有云平台用户都能使用。除此之外，品高云还有大量方便云平台管理员运维使用的功能：

　　监控TOP：可以根据不同的监控指标，查看最近一段时间哪些资源该项指标最高，从而协助快速定位、排查问题；

（图：监控top）

　　云平台监控：针对云平台各项资源使用率的监控，可根据使用率及其历史数据的走势，评估云平台是否需要扩容，要扩多大；

（图：云平台监控）

　　服务状态监控：针对云平台各项服务的健康状态的监控，可结合监控警报，在服务出现异常时第一时间通知管理员；

(图：服务状态监控)

　　资源监控：从计算、存储、网络三个层面监控资源使用情况。

（图： 资源监控）

　　平台综合评分： 从健康、风险、效率三个维度对云平台资源使用情况进行评分，并可查看各物理主机的资源使用率、资源富裕、不足的物理主机。

(图：平台综合评分)

(图：主机资源使用率)

　　报表模块： 通过用户、服务、服务组、标签、软件使用情况等维度，了解云平台资源的使用情况，并可导出报表，方便运维人员的工作汇报。

(图：用户报表)

3.下一步的优化改进计划

　　品高云监控服务现有的功能就介绍到这里。后续还会不断地优化改进监控服务，计划中的功能包括：

• 通过同一个入口快速查看不同资源的不同的监控指标的监控图表，可以在同一张图表横向对比多个指标的；

• 提供更多的监控维度，如云平台事件，资源状态变化，等等；

• 提供更多的触发操作，如存储卷扩容、更改网络带宽、迁移实例等等，让云平台更加自动、智能，减少运维压力。