linux监控主要监控什么指标,关于linux:Linux-常用监控指标总结

Linux运维根底采集项

做运维，不怕出问题，怕的是出了问题，抓不到现场，两眼摸黑。所以，依附弱小的监控零碎，收集尽可能多的指标，意义重大。但哪些指标才是有意义的呢，本着从实际中来的思维，各位工程师在长期摸爬滚打中总结进去的教训最有价值。

在各位运维工程师长期的工作实际中，咱们总结了在零碎运维过程中，常常会参考的一些指标，次要包含以下几个类别：

CPU

Load

内存

磁盘

IO

网络相干

内核参数

ss 统计输入

端口采集

外围服务的过程存活信息采集

要害业务过程资源耗费

NTP offset采集

DNS解析采集

每个类别，具体的具体指标如下，这些指标，都是open-falcon的agent组件间接反对的。falcon-agent每隔肯定工夫距离(目前是60秒)会采集一次相干的指标，并汇报给server端。

CPU相干采集项

计算方法：通过采集/proc/stat来失去，大家能够参考sar命令的统计输入来了解。

cpu.idle：Percentage of time that the CPU or CPUs were idle and the system did not have an outstanding disk I/O request.

cpu.busy：与cpu.idle绝对，他的值等于100减去cpu.idle。

cpu.guest：Percentage of time spent by the CPU or CPUs to run a virtual processor.

cpu.iowait：Percentage of time that the CPU or CPUs were idle during which the system had an outstanding disk I/O request.

cpu.irq：Percentage of time spent by the CPU or CPUs to service hardware interrupts.

cpu.softirq：Percentage of time spent by the CPU or CPUs to service software interrupts.

cpu.nice：Percentage of CPU utilization that occurred while executing at the user level with nice priority.

cpu.steal：Percentage of time spent in involuntary wait by the virtual CPU or CPUs while the hypervisor was servicing another virtual processor.

cpu.system：Percentage of CPU utilization that occurred while executing at the system level (kernel).

cpu.user：Percentage of CPU utilization that occurred while executing at the user level (application).

cpu.cnt：cpu核数。

cpu.switches：cpu上下文切换次数，计数器类型。

磁盘相干采集项

计算方法：先读取/proc/mounts拿到所有挂载点，而后通过syscall.Statfs_t拿到blocks和inode的应用状况。每个metric都会附加一组tag形容，相似mount=$mount,fstype=$fstype，其中$mount是挂载点，比方/home，$fstype是文件系统，比方ext4。

df.bytes.free：磁盘可用量，int64

df.bytes.free.percent：磁盘可用量占总量的百分比，float64，比方32.1

df.bytes.total：磁盘总大小，int64

df.bytes.used：磁盘已用大小，int64

df.bytes.used.percent：磁盘已用大小占总量的百分比，float64

df.inodes.total：inode总数，int64

df.inodes.free：可用inode数目，int64

df.inodes.free.percent：可用inode占比，float64

df.inodes.used：已用的inode数据，int64

df.inodes.used.percent：已用inode占比，float64

megacli工具输入

应用 megacli 工具读取 RAID 相干信息，每个metric都会附件一组tag形容，用来表明所属PD或者 VD，PD格局为PD=Enclosure_ID:SLOT_ID，比方PD=32:0表明第一块磁盘 ，VD=0 表明第一个逻辑磁盘。

sys.disk.lsiraid.pd.Media_Error_Count：这个及以下三个指标目前仅作为数据收集，不肯定象征磁盘损坏(只是示意损坏概率变大)

sys.disk.lsiraid.pd.Other_Error_Count

sys.disk.lsiraid.pd.Predictive_Failure_Count

sys.disk.lsiraid.pd.Drive_Temperature

sys.disk.lsiraid.pd.Firmware_state：如果值不为0，则此物理磁盘呈现问题

sys.disk.lsiraid.vd.cache_policy：如果值不为0，示意此逻辑磁盘缓存策略和设置不符

sys.disk.lsiraid.vd.state：如果值不为0，示意此逻辑磁盘呈现问题

SMART工具输入

应用 smartctl 工具读取磁盘 SMART 信息，目前所有指标仅作为数据收集，不肯定象征磁盘损坏(只是示意概率变大)，每个metric都会有一组tag形容，表明盘符，例如device=/dev/sda。

sys.disk.smart.Reallocated_Sector_Ct

sys.disk.smart.Spin_Retry_Count

sys.disk.smart.Reallocated_Event_Count

sys.disk.smart.Current_Pending_Sector

sys.disk.smart.Offline_Uncorrectable

sys.disk.smart.Temperature_Celsius

分区读写监控

测试所有已挂载分区是否可读写，每个metric都会有一组tag形容，示意挂载点，比方mount=/home

sys.disk.rw：如果值不为0，表明此分区读写呈现问题

IO相干采集项

计算方法：每秒采集一次/proc/diskstats，计算差值，都是计数器类型的。每个metric都会有一组tag形容，形如device=$device，用来示意具体的设施，比方sda1、sdb。用户能够参考iostat的帮忙文档来了解具体的metric含意。

disk.io.ios_in_progress：Number of actual I/O requests currently in flight.

disk.io.msec_read：Total number of ms spent by all reads.

disk.io.msec_total：Amount of time during which ios_in_progress >= 1.

disk.io.msec_weighted_total：Measure of recent I/O completion time and backlog.

disk.io.msec_write：Total number of ms spent by all writes.

disk.io.read_merged：Adjacent read requests merged in a single req.

disk.io.read_requests：Total number of reads completed successfully.

disk.io.read_sectors：Total number of sectors read successfully.

disk.io.write_merged：Adjacent write requests merged in a single req.

disk.io.write_requests：total number of writes completed successfully.

disk.io.write_sectors：total number of sectors written successfully.

disk.io.read_bytes：单位是byte的数字

disk.io.write_bytes：单位是byte的数字

disk.io.avgrq_sz：上面几个值就是iostat -x 1看到的值

disk.io.avgqu-sz

disk.io.await

disk.io.svctm

disk.io.util：是个百分数，比方56.43，示意56.43%

机器负载相干采集项

计算方法：读取/proc/loadavg，都是原始值类型的：

load.1min

load.5min

load.15min

内存相干采集项

计算方法：读取/proc/meminfo 中的内容，其中的mem.memfree是free+buffers+cached，mem.memused=mem.memtotal-mem.memfree。用户具体能够参考free命令的输入和帮忙文档来了解每个metric的含意。

mem.memtotal：内存总大小

mem.memused：应用了多少内存

mem.memused.percent：应用的内存占比

mem.memfree

mem.memfree.percent

mem.swaptotal：swap总大小

mem.swapused：应用了多少swap

mem.swapused.percent：应用的swap的占比

mem.swapfree

mem.swapfree.percent

网络相干采集项

计算方法：读取/proc/net/dev的内容，每个metric都附加有一组tag，形如iface=$iface，表明具体那个interface，比方eth0。metric中带有in的示意流入状况，out示意流出状况，total是总量in+out，反对的metric如下：

net.if.in.bytes

net.if.in.compressed

net.if.in.dropped

net.if.in.errors

net.if.in.fifo.errs

net.if.in.frame.errs

net.if.in.multicast

net.if.in.packets

net.if.out.bytes

net.if.out.carrier.errs

net.if.out.collisions

net.if.out.compressed

net.if.out.dropped

net.if.out.errors

net.if.out.fifo.errs

net.if.out.packets

net.if.total.bytes

net.if.total.dropped

net.if.total.errors

net.if.total.packets

端口采集项

计算方法，通过ss -ln，来判断指定的端口是否处于listen状态。原始值类型，值要么是1：代表在监听，要么是0，代表没有在监听。每个metric都附件一组tag，形如port=port，port就是具体的端口。

net.port.listen

机器内核配置

kernel.maxfiles：读取的/proc/sys/fs/file-max

kernel.files.allocated：读取的/proc/sys/fs/file-nr第一个Field

kernel.files.left：值=kernel.maxfiles-kernel.files.allocated

kernel.maxproc：读取的/proc/sys/kernel/pid_max

ntp采集项

应用 ntpq -pn 获取本机工夫绝对于 ntp 服务器的 offset。

sys.ntp.offset：本机偏移工夫，单位为ms，值过大或者为0则表明有异样，须要报警

过程监控

proc.num：判断某个过程的数目，这里须要分两个场景，一种是依据过程的名字来断定，比方name=sshd；另外一种是依据cmdline来断定，比方Java的利用过程名可能都是java，依据第一种状况没法做辨别，此时能够配置cmdline，如cmdline=./falcon_agent-c./cfg.ini

过程资源监控

process.cpu.all：过程和它的子过程应用的sys+user的cpu，单位是jiffies

process.cpu.sys：过程和它的子过程应用的sys cpu，单位是jiffies

process.cpu.user：过程和它的子过程应用的user cpu，单位是jiffies

process.swap：过程和它的子过程应用的swap，单位是page

process.fd：过程应用的文件描述符个数

process.mem：过程占用内存，单位byte

ss命令输入

ss.orphaned

ss.closed

ss.timewait

ss.slabinfo.timewait

ss.synrecv

ss.estab

(起源：book.open-falcon.org)