nagios-event-triger-AutoRecover

思路:

 use NRPE to execute the necessary commands on the remote hosts

 In order to adapt the scheme from the Nagios docs to work on remote servers as well three things need to be done:


 1.The command that is executed by the event handler script should be changed to use NRPE

 2.On the remote machine the nagios user (under which the NRPE service is running) should be given some sudo rights so that it is actually allowed to start a service.

 3.The NRPE configuration on the remote machine should of course be changed to include the new command(s) for starting services. 


1. nagios manage server

(1)vi localhost.cfg

define service{
        use                     generic-service
        host_name               test2.bigdata.com
        service_description     gmond
        check_command           check_nrpe_eventhandler!check_gmond
        notifications_enabled   1
        notification_interval   0
        max_check_attempts      4
        event_handler           restart-service!gmond
        }
define service{
        use                     generic-service
        host_name               test2.bigdata.com
        service_description     mysqld
        check_command           check_nrpe_eventhandler!check_mysqld
        notifications_enabled   1
        notification_interval   0
        max_check_attempts      5
        event_handler           restart-service!mysqld
        }


(2)vi commands.cfg

define command{
        command_name    check_nrpe_eventhandler
        command_line    $USER1$/check_nrpe -H $HOSTADDRESS$ -t 40 -c $ARG1$
        }
define command {
        command_name    restart-service
        command_line    $USER1$/eventhandlers/event_handler_script.sh $SERVICESTATE$ $SERVICESTATETYPE$ $SERVICEATTEMPT$ $HOSTADDRESS$ $ARG1$ $SERVICEDESC$
        }


利用后面编写的通用的事件处理脚本模块文件 /usr/local/nagios/libexec/eventhandlers/event_handler_script.sh 传递监控服务所需的参数$ARG1$


2. on remote machine with NRPE running

(1)vi nrpe.cfg

command[check_gmond]=/usr/local/nagios/libexec/check_gmond
command[restart_gmond]=/usr/bin/sudo /etc/init.d/gmond restart
command[check_mysqld]=/usr/local/nagios/libexec/check_mysqld
command[restart_mysqld]=/usr/bin/sudo /usr/local/nagios/libexec/restart_mysqld

(2)edit your service manage script on remote machine.

  /usr/local/nagios/libexec/check_mysqld

  /usr/local/nagios/libexec/restart_mysqld



3. 通用的事件处理脚本模块文件 /usr/local/nagios/libexec/eventhandlers/event_handler_script.sh内容如下

#!/bin/sh
#
# Event handler script for restarting the web server on the local machine
#
# Note: This script will only restart the web server if the service is
#       retried 3 times (in a "soft" state) or if the web service somehow
#       manages to fall into a "hard" error state.
# update 2015/10/23
# version: 0.2
date=`date`
# What state is the HTTP service in
case "$1" in
OK)
        # The service just came back up, so don't do anything...
        ;;
WARNING)
        # We don't really care about warning states, since the service is probably still running...
        ;;
UNKNOWN)
        # We don't know what might be causing an unknown error, so don't do anything...
        ;;
CRITICAL)
        # We don't really care about warning states, since the service is probably still running...
        # Aha!  The HTTP service appears to have a problem - perhaps we should restart the server...
        # Is this a "soft" or a "hard" state?
        case "$2" in
        # We're in a "soft" state, meaning that Nagios is in the middle of retrying the
        # check before it turns into a "hard" state and contacts get notified...
        SOFT)
                # What check attempt are we on?  We don't want to restart the web server on the first
                # check, because it may just be a fluke!
                case "$3" in
                # Wait until the check has been tried 3 times before restarting the web server.
                # If the check fails on the 4th time (after we restart the web server), the state
                # type will turn to "hard" and contacts will be notified of the problem.
                # Hopefully this will restart the web server successfully, so the 4th check will
                # result in a "soft" recovery.  If that happens no one gets notified because we
                # fixed the problem!
                3)
                    echo -n "Restarting service $6 (3rd soft critical state)...\n"
                    # Call NRPE to restart the service on the remote machine
                    /usr/local/nagios/libexec/check_nrpe -H $4 -c restart_$5
                    echo "$date -restart $6 on server $4 -at retry $3 times -SOFT"  >> /tmp/eventhandlers
                    ;;
                    esac
                ;;
        # The HTTP service somehow managed to turn into a hard error without getting fixed.
        # It should have been restarted by the code above, but for some reason it didn't.
        # Let's give it one last try, shall we?
        # Note: Contacts have already been notified of a problem with the service at this
        # point (unless you disabled notifications for this service)
        HARD)
                  echo -n "Restarting $6 service...\n"
                  # Call the init script to restart the NRPE server
                  echo "$date -restart $6 on server $4 -at retry $3 times -HARD"  >> /tmp/eventhandlers
                  /usr/local/nagios/libexec/check_nrpe -H $4 -c restart_$5
                ;;
        esac
        ;;
esac
exit 0