云原生下监控体系建设

前言

随着公有云及Kubernetes的快速普及，监控在自动化运维体系中的作用也愈发重要，但在新的技术体系下面，该如何做好监控，除了技术选型层面的考量，更要结合自身业务形态、组织架构、技术环境、体量规模等因素，提炼出适合自己的监控体系。

关于监控报警平台建设的原则和需要考虑的点

• 可靠、简洁

• 资源和服务性能的影响

• 权限管理

• 可持续进化

注：关于可靠，包含采集的指标准确可靠，还有监控平台自身的可靠

平台建设选择

• 云平台监控

• 利用开源或自研

注：当前及未来很长时间将保持云平台和开源自建同时存在、互相补充，我们将考虑的是如何平衡二者的使用。

关于云平台监控和自建平台选择的原则和需要考虑的点

• 非运维人员是否需要权限

• 监控的延伸属性是否满足

监控维度

基础资源

• Kubeneteus

• 数据库

• VPC

• 负载均衡/网关

• 域名等其他云资源

业务维度

• HTTP状态/响应时间

• 消息队列

• 自定义指标

指标(SLI)

综合软件结构、业务特性、资源型号、行业经验等，选择不同监控维度的最需要的监控指标，去除重复指标，并建设一个监控指标库，持续维护管理。

报警阈值及等级

报警遵循的原则

• 监控指标尽可能的精简、准确、稳定

• 报警输出的判断依据是否需要人力介入的程度

报警等级

• 重要

• 紧急

第一阶段

第二阶段

重点事项

第一阶段

第一阶段的标签是打基础，主要任务是梳理规范，完善监控维度，建设一个覆盖面广、可持续进化的初步运维体系，重点工作是涉及底层的规范梳理、指标确认及阈值标定，初步形成可靠的监控报警体系。

• 监控平台调研及建设

• 指标(SLI)确定

• 同步2进行线上服务规范梳理

• 报警阈值及等级标定

第二阶段

第二阶段的标签是升级进化，在第一阶段完成的基础上，根据实际情况发展，逐步整理已有监控资源，孵化出统一的报警模块，并延伸出更多如大屏展示、报警订阅等功能及能力。

• 统一报警的设计及建设

• 逐步完善更多功能