【稳定性day15】饿了么监控平台的架构与演进

针对对饿了么、监控平台体系化的一篇介绍。运维行业流传着一句话：“无监控，不运维”，监控的重要程度可见一斑。

饿了么的监控痛点与架构设计。与其它行业相比，外卖行业最显著的特点就是它的高峰和低谷是非常明显的，一般集中在中午的 10 点到 12 点和晚上的 5 点到 8 点，这样的瞬时高峰对于整个系统的压力会非常大，监控系统也不例外。

据黄杰介绍整个饿了么的业务发展是超高速的：“我加入饿了么的第一年，当时每天采集的原始数据差不多是 10 个 T，第二年就增长到了 80 个 T，第三年变成了 200T，而现在每天采集的原始数据可以达到 800T。”

在技术层面，监控系统不仅要支撑这样快速发展的业务，同时还要兼顾稳定性。在稳定性方面，饿了么 CTO 雪峰对监控系统的要求是比饿了么整个系统可用性高一个 9，因为监控是整个系统的眼睛，如果眼睛出了问题，会影响很多判断。

而在用户层面，饿了么监控系统要解决两类人的问题，第一类是 GOC 的问题，当系统出来问题的时候，怎么快速发现并恢复问题；第二类是开发人员，需要做到的是快速定位问题。

目前饿了么的监控系统覆盖了所有应用及服务器，包括业务监控、全链路监控、PaaS、IaaS 等。如果分层来看的话，最上层是业务，理论上可以做到端到端，针对某些特定业务的监控，运维团队会与业务团队一起协作；第二层是应用，云数据中心和本地数据中心的应用都可以监控到；第三层是 PaaS，例如 MySQL、Redis；最底层是 IaaS，主要是关注应用跑在哪些机器上，容器、物理机还是虚拟机，服务器之间的机架、交换机，机房之间的专线等等。