open-falcon集群安装

背景：公司一直使用falcon进行监控服务器，最近因为机器增加太多，导致open-falcon的负载比较高，为了应对与日俱增的服务器，决定将单台open-falcon做成集群，分担部分组件之间压力
思路：要实现open-falcon集群安装，首先，我们需要了解open-falcon各组件之间的关系。
可参考官方文档

http://book.open-falcon.com/zh_0_2/quick_install/frontend.html

分析：通过官方文档，我们可以了解到各组件的作用

falcon-agent：安装与被监控端，用于采集机器负载监控指标，比如cpu.idle、load.1min、disk.io.util等等，每隔60秒push给Transfer。agent与Transfer建立了长连接，数据发送速度比较快，agent提供了一个http接口/v1/push用于接收用户手工push的一些数据，然后通过长连接迅速转发给Transfer。

transfer：数据转发服务。它接收agent上报的数据，然后按照哈希规则进行数据分片、并将分片后的数据分别push给graph&judge等组件。（该组件需要接受所有被监控端的数据发送请求，所以压力比较大，我们在此将transfer组件分出来安装，阿里云用户有条件的可以创建SLB，将多台transfer组件加入到后端服务器，与之连接的组件如agent，graph，judge配置文件改为slb的内网地址。物理服务器建议，使用lvs+heartbeat组成高可用，连接的各组件改为lvs的vip）。

judge：用于告警判断，agent将数据push给Transfer，Transfer不但会转发给Graph组件来绘图，还会转发给Judge用于判断是否触发告警。

graph：存储绘图数据的组件。graph组件 接收transfer组件推送上来的监控数据，同时处理api组件的查询请求、返回绘图数据。transfer组件将所有agent收集到的数据都传给graph来存储，压力大且重要，所以，该组件也有必要单独安装，可单机，也可集群化

api：提供统一的restAPI操作接口。比如：api组件接收查询请求，根据一致性哈希算法去相应的graph实例查询不同metric的数据，然后汇总拿到的数据，最后统一返回给用户。

dashbord：用于接收api的查询结果，并将结果展示给用户

heartbeat server：心跳服务器，公司所有agent都会连到HBS，每分钟发一次心跳请求。用来检测被监控端的falcon-agent是否存活，并将结果返回给judge，进行判断处理。有条件可以单独安装。

实施：通过分析，我们需要将重要的组件，集群化安装，如transfer和graph。其他的有条件可以单独拿出来

具体安装以官方文档为参考：
transfer
http://book.open-falcon.com/zh_0_2/distributed_install/transfer.html
多台的话多台都需要安装，配置
graph
http://book.open-falcon.com/zh_0_2/distributed_install/graph.html

注意：单独拿出来的组件需要修改，与之连接的配置文件的ip，集群化的组件对其他组件暴露的ip为，slb的ip（或lvs的vip）。不修改的话组件之间通信会中断

在此，我们的transfer和graph组件均使用阿里云的slb，每个组件分流量到两台ECS上，即可hold住