Open-falcon技术实践V1.0

最新推荐文章于 2024-06-09 07:57:39 发布

陈舟的舟

最新推荐文章于 2024-06-09 07:57:39 发布

阅读量778

点赞数

分类专栏： # 大数据_集群管理文章标签：大数据监控类运维

本文链接：https://blog.csdn.net/qq_37067752/article/details/107809522

版权

大数据_集群管理专栏收录该内容

8 篇文章 0 订阅

订阅专栏

1 OPEN-FALCON简述

Open-falcon是一款用golang和python写的监控系统，由小米启动这个项目。
1、监控系统，可以从运营级别（基本配置即可），以及应用级别（二次开发，通过端口进行日志上报），对服务器、操作系统、中间件、应用进行全面的监控，及报警，对我们的系统正常运行的作用非常重要。
2、基础监控
CPU、Load、内存、磁盘、IO、网络相关、内核参数、ss 统计输出、端口采集、核心服务的进程存活信息采集、关键业务进程资源消耗、NTP offset采集、DNS解析采集，这些指标，都是open-falcon的agent组件直接支持的。
3、第三方监控
术业有专攻，运行在OS上的应用甚多，Open-Falcon的开发团队不可能把所有的第三方应用的监控全部做完，这个就需要开源社区提供更多的插件，当前对于很多常用的第三方应用都有相关插件了。
4、JVM监控
对于Java作为主要开发语言的大多数公司，对于JVM的监控不可或缺。
每个JVM应用的参数，比如GC、类加载、JVM内存、进程、线程，都可以上报给Falcon，而这些参数的获得，都可以通过MxBeans实现。
5、业务应用监控
对于业务需要监控的接口，比如响应时间等。可以根据业务的需要，上报相关数据到Falcon，并通过Falcon查看结果
官网：https://www.open-falcon.com/

1.1 OPEN-FALCON架构组成介绍

在这里插入图片描述
其中，基础组件以绿色标注圈住、作图链路组件以蓝色圈住、报警链路组件以红色圈住，橙色填充的组件为域名。OpenTSDB功能尚未完成。

1.2 OPEN-FALCON的组件介绍

agent

agent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。

hbs(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。
agent会定期从hbs中拉取配置，比如：需要运行plugins的目录；
judge模块也会定期从hbs去获取告警策略；
transfer
transfer是数据转发服务。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。
judge
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。
Judge监听了一个http端口，提供了一个http接口：/count，访问之，可以得悉当前Judge实例处理了多少数据量。
graph
graph是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query组件的查询请求、返回绘图数据。
gateway
站在client端的角度，gateway和transfer提供了完全一致的功能和接口。只有遇到网络分区的情况时，才有必要使用gateway组件。
alarm
alarm模块是处理报警event的，judge产生的报警event写入redis，alarm从redis读取处理;
aggregator
集群聚合模块。聚合某集群下的所有机器的某个指标的值，提供一种集群视角的监控体验。
nodata
nodata用于检测监控数据的上报异常。nodata和实时报警judge模块协同工作，过程为: 配置了nodata的采集项超时未上报数据，nodata生成一条默认的模拟数据；用户配置相应的报警策略，收到mock数据就产生报警。采集项上报异常检测，作为judge模块的一个必要补充，能够使judge的实时报警功能更加可靠、完善

1.3 OPEN-FALCON的设计理念

1.3.1 数据模型

Open-Falcon，采用和OpenTSDB相似的数据格式：metric、endpoint加多组key value tags

metric: 最核心的字段，代表这个采集项具体度量的是什么, 比如是cpu_idle呢，还是memory_free, 还是qps
endpoint: 标明Metric的主体(属主)，比如metric是cpu_idle，那么Endpoint就表示这是哪台机器的cpu_idle
timestamp: 表示汇报该数据时的unix时间戳，注意是整数，代表的是秒
value: 代表该metric在当前时间点的值，float64
step: 表示该数据采集项的汇报周期，这对于后续的配置监控策略很重要，必须明确指定。
counterType: 只能是COUNTER或者GAUGE二选一，前者表示该数据采集项为计时器类型，后者表示其为原值 (注意大小写)
– GAUGE：即用户上传什么样的值，就原封不动的存储
– COUNTER：指标在存储和展现的时候，会被计算为speed，即（当前值 - 上次值）/ 时间间隔
tags: 一组逗号分割的键值对, 对metric进一步描述和细化, 可以是空字符串. 比如idc=lg，比如service=xbox等，多个tag之间用逗号

1.3.2 plugin

Plugin可以看做是对agent功能的扩充。对于业务系统的监控指标采集，最好不要做成plugin，而是把采集脚本放到业务程序发布包中，随着业务代码上线而上线，随着业务代码升级而升级，这样会比较容易管理。

先将脚本push到git
curl下agent的接口去获取plugins
在dashborad的HostGroup中绑定plugins目录，因为不是所有的plugins都需要在该机器上执行，这里通过目录来区分；agent会通过hbs的接口去获取配置；

1.3.3 Tag和HostGroup

tag其实是一种分组方式，当push的数据无法标记tag(比如：我们agent采集的cpu, memory, net等信息)，那我们就要将这些数据手工分组了，这就是HostGroup;
HostGroup实际上是对endpoint的一种分组；
想象一下，一条数据push上来，我们应该怎么判断这条数据是否该报警呢？首先我们需要找到这条数据的expression,无非就是看expression中的tag是否是当前push上来数据的子集;当没有tag的数据呢？ push上来的数据肯定有endpoint, 我们可以根据endpoint查看是哪个HostGroup, HostGroup又是跟template绑定，template中又会配置告警策略。

1.4 OPEN-FALCON各个实例通信网络端口

端口名称	默认端口	说明
httpd	3000	监听的网络端口
netcat	44444	netcat端口
dashboard	8081	dashboard前端web端口
api	8080	后端API端口
push_api	1988	后端API端口
redis	6379	redis-server端口

2 OPEN-FALCON安装

2.1 中间件版本选取

中间件名称	版本号
CentOS	CentOS6.8
Java	1.8.0_121
go	1.13.11 linux/amd64
redis	3.2.5
python	2.7.4
pip	20.2
open-falcon	0.2.1

2.2 环境准备

2.2.1 CentOS 6.8

CentOS6.8 安过程省略。预先创建用户/用户组zhouchen
预先安装jdk1.8.0_121 +
预先安装Mysql
预先安装Redis
预先安装Python
预先安装Pip
创建目录/opt/open-falcon作为open-falcon的home

2.2.2 关闭防火墙-root

[zhouchen@hadoop102 software]$ sudo service iptables stop
[zhouchen@hadoop102 software]$ sudo chkconfig iptables off

2.3 安装GO环境

1.安装golang包

[zhouchen@hadoop102 software]$ sudo yum install golang -y

2.配置全局环境

[zhouchen@hadoop102 software]$ sudo vim /etc/profile.d/hadoop.sh
#添加如下内容
export GOROOT=/usr/local/go
export PATH=$GOROOT/bin:$PATH

2.4 启动REDIS

1.启动Redis服务端

[zhouchen@hadoop102 redis-3.2.5]$ redis-server redis.conf

2.启动Redis客户端

[zhouchen@hadoop102 redis-3.2.5]$ redis-cli -h hadoop102 -p 6379
hadoop102:6379>

2.5 安装FALCON-PLUS

1.安装下载源码包falcon-plus-master.zip

https://github.com/open-falcon/falcon-plus

2.上传到服务器并解压

[zhouchen@hadoop102 software]$ unzip -d falcon-plus-master.zip -d /opt/open-falcon

3.执行falcon-plus中的sql脚本

[zhouchen@hadoop102 open-falcon]$ cd falcon-plus-master/scripts/mysql/db_schema/
[zhouchen@hadoop102 db_schema]$ mysql -h hadoop102 -u root -p < 1_uic-db-schema.sql
[zhouchen@hadoop102 db_schema]$ mysql -h hadoop102 -u root -p < 2_portal-db-schema.sql
[zhouchen@hadoop102 db_schema]$ mysql -h hadoop102 -u root -p < 3_dashboard-db-schema.sql
[zhouchen@hadoop102 db_schema]$ mysql -h hadoop102 -u root -p < 4_graph-db-schema.sql
[zhouchen@hadoop102 db_schema]$ mysql -h hadoop102 -u root -p < 5_alarms-db-schema.sql

2.6 安装OPEN-FALCON二进制包

1.下载二进制包open-falcon-v0.2.1.tar.gz
github下载地址

2.上传到服务器并解压

[zhouchen@hadoop102 software]$ tar -zxvf open-falcon-v0.2.1.tar.gz -C /opt/open-falcon/

3.修改配置文件
需要修改的组件如下：
aggregator　　　/opt/open-falcon/aggregator/config/cfg.json
graph　　　　　/opt/open-falcon/graph/config/cfg.json
hbs　　　　　　/opt/open-falcon/hbs/config/cfg.json
nodata　　　　/opt/open-falcon/nodata/config/cfg.json
api　　　　　/opt/open-falcon/api/config/cfg.json
alarm　　　　/opt/open-falcon/alarm/config/cfg.json
需要修改的内容如下：
1)将所有的127.0.0.1改成hadoop102

[zhouchen@hadoop102 open-falcon]$ grep -Ilr '127.0.0.1' ./ | xargs -n1 -- sed -i 's/127.0.0.1/hadoop102/g'

2)配置mysql数据库和密码将root:改成root:zhou59420

[zhouchen@hadoop102 open-falcon]$ grep -Ilr 3306 ./ | xargs -n1 -- sed -i 's/root:/root:zhou59420/g'

4.启动open-falcon

[zhouchen@hadoop102 open-falcon]$ ./open-falcon start
[falcon-graph] 4697
[falcon-hbs] 4710
[falcon-judge] 4721
[falcon-transfer] 4730
[falcon-nodata] 4738
[falcon-aggregator] 4747
[falcon-agent] 4758
[falcon-gateway] 4766
[falcon-api] 4774
[falcon-alarm] 4789

5.检查组件启动情况

[zhouchen@hadoop102 open-falcon]$ ./open-falcon check
        falcon-graph         UP            4697 
          falcon-hbs         UP            4710 
        falcon-judge         UP            4721 
     falcon-transfer         UP            4730 
       falcon-nodata         UP            4738 
   falcon-aggregator         UP            4747 
        falcon-agent         UP            4758 
      falcon-gateway         UP            4766 
          falcon-api         UP            4774 
        falcon-alarm         UP            4789

2.7 部署前端

1.下载源码包dashboard-master.zip
github源码下载地址

2.上传到服务器并解压

[zhouchen@hadoop104 software]$ unzip dashboard-master.zip -d /opt/open-falcon/

3.安装依赖

[zhouchen@hadoop104 software]$ sudo yum install -y openldap-devel 
[zhouchen@hadoop104 software]$ sudo yum install -y python-devel
[zhouchen@hadoop104 software]$ sudo yum install -y python-virtualenv
[zhouchen@hadoop104 software]$ sudo yum groupinstall "Development tools"
[zhouchen@hadoop104 software]$ sudo yum -y install openssl openssl-devel

4.安装

[zhouchen@hadoop104 software]$ python -m pip install virtualenv
[zhouchen@hadoop104 open-falcon]$ cd dashboard-master/
[zhouchen@hadoop104 dashboard-master]$ pip install -r pip_requirements.txt -i https://pypi.douban.com/simple

#注意这一步如果报错，可以将pip_requirements.txt中的安装步骤分别执行，检查到底是哪一步安装错误

[zhouchen@hadoop104 dashboard-master]$ pip install Flask==1.0 -i https://pypi.douban.com/simple

修改dashboard配置文件，分别是PORTAL_DB和ALARM_DB，修改数据库的用户名和密码，保证dashboard能连接数据库

[zhouchen@hadoop104 dashboard-master]$ vim rrd/config.py
# Falcon+ API
API_ADDR = os.environ.get("API_ADDR","http://hadoop102:8080/api/v1")
API_USER = os.environ.get("API_USER","admin")
API_PASS = os.environ.get("API_PASS","password")

# portal database
# TODO: read from api instead of db
PORTAL_DB_HOST = os.environ.get("PORTAL_DB_HOST","hadoop102")
PORTAL_DB_PORT = int(os.environ.get("PORTAL_DB_PORT",3306))
PORTAL_DB_USER = os.environ.get("PORTAL_DB_USER","root")
PORTAL_DB_PASS = os.environ.get("PORTAL_DB_PASS","zhou59420")
PORTAL_DB_NAME = os.environ.get("PORTAL_DB_NAME","falcon_portal")

# alarm database
# TODO: read from api instead of db
ALARM_DB_HOST = os.environ.get("ALARM_DB_HOST","hadoop102")
ALARM_DB_PORT = int(os.environ.get("ALARM_DB_PORT",3306))
ALARM_DB_USER = os.environ.get("ALARM_DB_USER","root")
ALARM_DB_PASS = os.environ.get("ALARM_DB_PASS","zhou59420")
ALARM_DB_NAME = os.environ.get("ALARM_DB_NAME","alarms")

2.8 OPEN-FALCON登录

1.启动bash

[root@hadoop104 dashboard-master]# bash control start

日志的位置：
/opt/open-falcon/dashboard-master/var/app.log

2.浏览器访问http://hadoop104:8081/
在这里插入图片描述
3.注册账户

1)dashbord没有默认创建任何账号包括管理账号，需要你通过页面进行注册账号
2)第一个帐号名称为root的用户会被自动设置为超级管理员
3)注册账号能够被任何打开dashboard页面的人注册。关闭注册账号功能：修改api组件的配置文件cfg.json，将signup_disable配置项修改为true
在这里插入图片描述

2.9 OPEN-FALCON的一些页面

1.后端页面 hadoop102:1988
在这里插入图片描述
2.api页面hadoop102:8080

3.前端页面
见2.8

3 OPEN-FALCON基础操作

3.1 监控FLUME

官方参考链接：https://book.open-falcon.org/zh_0_2/usage/flume.html
open-falcon作为一个监控框架，可以去采集任何系统的监控指标数据，只要将监控数据组织为open-falcon规范的格式就OK了。Flume的数据采集可以通过脚本flume-monitor来做。

3.1.1 工作原理

flume-monitor.py是一个采集脚本，只需要放到falcon-agent的plugin目录，在portal中将对应的plugin绑定到主机组，falcon-agent会主动执行flume-monitor.py脚本，flume-monitor.py脚本执行结束后会输出json格式数据，由falcon-agent读取和解析数据。
Flume运行时需要在配置文件中加入java环境变量，启动成功之后flume进程会监听一个端口，可以通过http请求的方式来抓取flume提供的metrics，flume-monitor.py脚本中配置了需要抓取的Flume组件metric，通过http的方式从flume端口中抓取需要的组件信息，输出json格式数据。

3.1.2 修改Flume配置项

1.修改$FLUME_HOME/conf/flume-env.sh

[zhouchen@hadoop102 flume]$ vim conf/flume-env.sh
# 添加语句,http的端口指定为3000
export JAVA_OPTS="$JAVA_OPTS -Dflume.monitoring.type=http -Dflume.monitoring.port=3000"

2.启动flume

[zhouchen@hadoop102 flume]$ bin/flume-ng agent --conf conf/ --name a1 --conf-file conf/flume-netcat-logger.conf -Dflume.root.logger=INFO,console -Dflume.monitoring.type=http -Dflume.monitoring.port=3000

3.1.3 open-falcon配置项

1.进入open-falcon工作目录，修改agent/config/cfg.json

[zhouchen@hadoop102 open-falcon]$ mkdir plugin
[zhouchen@hadoop102 open-falcon]$ vim agent/config/cfg.json
#修改内容如下
"plugin": {
        "enabled": true,
        "dir": "./plugin",
        "git": "https://github.com/mdh67899/openfalcon-monitor-scripts.git",
        "logs": "./logs"
    }

./plugin指的是open-falcon工作目录下的plugin目录

2.下载https://github.com/mdh67899/openfalcon-monitor-scripts.git

3.上传openfalcon-monitor-scripts.git到服务器并解压

4.将openfalcon-monitor-scripts.git中的flume移动到open-falcon工作目录下的plugin

[zhouchen@hadoop102 openfalcon-monitor-scripts-master]$ mv flume/ ../plugin/

5.为flume脚本添加权限

[zhouchen@hadoop102 open-falcon]$ chmod 755 plugin/flume/60_flume-monitor.py

6.修改60_flume-monitor.py脚本

[zhouchen@hadoop102 open-falcon]$ vim plugin/flume/60_flume-monitor.py
#修改内容如下
    url="http://hadoop102:3000/metrics"
    r = requests.post("http://hadoop102:1988/v1/push", data=json.dumps(payload))

3.1.4 Dashboard配置

1.创建HostGroup
在这里插入图片描述
2.绑定host

3.绑定plugin

3.1.5 查看dashboard是否存在flume相关counters

1.重启open-falcon agent

[zhouchen@hadoop102 open-falcon]$ ./open-falcon restart agent

2.查看dashboard
在这里插入图片描述

3.agent中flume相关日志

[zhouchen@hadoop102 open-falcon]$ vim agent/logs/agent.log
2020/08/03 16:14:47 plugin.go:64: <Plugins:[flume], Timestamp:1596442487>

4.相关日志

/opt/open-falcon/logs/flume/60_flume-monitor.py.stderr.log

4 OPEN-FALCON常见问题分析

4.1 安装PIP_REQUIREMENTS失败

报错

[zhouchen@hadoop102 dashboard-master]$ env/bin/pip install -r pip_requirements.txt -i https://pypi.douban.com/simple
Looking in indexes: https://pypi.douban.com/simple
    ERROR: Command errored out with exit status 1:
     command: /opt/open-falcon/dashboard-master/env/bin/python -c 'import sys, setuptools, tokenize; sys.argv[0] = '"'"'/tmp/pip-install-g1k2j1gd/mysql-python/setup.py'"'"'; __file__='"'"'/tmp/pip-install-g1k2j1gd/mysql-python/setup.py'"'"';f=getattr(tokenize, '"'"'open'"'"', open)(__file__);code=f.read().replace('"'"'\r\n'"'"', '"'"'\n'"'"');f.close();exec(compile(code, __file__, '"'"'exec'"'"'))' egg_info --egg-base /tmp/pip-pip-egg-info-opjj8aav
         cwd: /tmp/pip-install-g1k2j1gd/mysql-python/
    Complete output (7 lines):
    Traceback (most recent call last):
      File "<string>", line 1, in <module>
      File "/tmp/pip-install-g1k2j1gd/mysql-python/setup.py", line 13, in <module>
        from setup_posix import get_config
      File "/tmp/pip-install-g1k2j1gd/mysql-python/setup_posix.py", line 2, in <module>
        from ConfigParser import SafeConfigParser
    ModuleNotFoundError: No module named 'ConfigParser'
    ----------------------------------------
ERROR: Command errored out with exit status 1: python setup.py egg_info Check the logs for full command output.

原因1：
环境中有一个python3.7，到时候pip默认也是用的python3.7的环境。而在Python 3.x 版本后，ConfigParser.py 已经更名为 configparser.py 所以出错。
解决：

[zhouchen@hadoop102 /]$ sudo find ./ -name 'configparser.py'
./usr/local/lib/python3.7/configparser.py
./opt/module/miniconda3/envs/superset/lib/python3.7/configparser.py
./opt/module/miniconda3/envs/superset/lib/python3.7/site-packages/future/moves/configparser.py
./opt/module/miniconda3/lib/python3.7/configparser.py
./opt/module/miniconda3/pkgs/python-3.7.7-hcff3b4d_5/lib/python3.7/configparser.py

[zhouchen@hadoop102 /]$ cp /usr/local/lib/python3.7/configparser.py /usr/local/lib/python3.7/ConfigParser.py
[zhouchen@hadoop102 /]$ cp /opt/module/miniconda3/envs/superset/lib/python3.7/configparser.py /opt/module/miniconda3/envs/superset/lib/python3.7/ConfigParser.py
[zhouchen@hadoop102 /]$ cp /opt/module/miniconda3/envs/superset/lib/python3.7/site-packages/future/moves/configparser.py /opt/module/miniconda3/envs/superset/lib/python3.7/site-packages/[zhouchen@hadoop102 /]$ future/moves/ConfigParser.py
[zhouchen@hadoop102 /]$ cp /opt/module/miniconda3/lib/python3.7/configparser.py /opt/module/miniconda3/lib/python3.7/ConfigParser.py
[zhouchen@hadoop102 /]$ cp /opt/module/miniconda3/pkgs/python-3.7.7-hcff3b4d_5/lib/python3.7/configparser.py /opt/module/miniconda3/pkgs/python-3.7.7-hcff3b4d_5/lib/python3.7/ConfigParser.py

原因2：
MySQL-python安装的问题。这个包的安装又依赖于mysql-devel，而mysql-devel的版本又会与Mysql-server亦或是mysql-common冲突。
解决：
在没有安装mysql的机器上安装Mysql-python规避这个问题。然后在该节点上安装open-falcon前端。