摘要：線上服務(wù)的有效監(jiān)控和數(shù)據(jù)收集，一直是后端服務(wù)離不開的話題。在這個(gè)大數(shù)據(jù)時(shí)代，有了數(shù)據(jù)卻不做事情，等同于浪費(fèi)。而南京移動的用戶量較大，也說明南京地區(qū)應(yīng)該增設(shè)服務(wù)點(diǎn)。

線上服務(wù)的有效監(jiān)控和數(shù)據(jù)收集，一直是后端服務(wù)離不開的話題。直播作為一種經(jīng)典的分布式系統(tǒng)，監(jiān)控以及數(shù)據(jù)收集更是必不可少的工作。如何對海量的服務(wù)集群有效的監(jiān)控和保活，又如何抓取集群中的碎片數(shù)據(jù)中來優(yōu)化服務(wù)？網(wǎng)易云信音視頻研發(fā)工程師將和大家共同探討。

推薦閱讀
《視頻私有云實(shí)戰(zhàn)：基于 Docker 構(gòu)建點(diǎn)播私有云平臺》

機(jī)器站在巨人的肩膀上用著輪子

作為分布式集群，物理層上的最小單位自然是機(jī)器。對于一臺機(jī)器而言，常規(guī)性能指標(biāo)自然就是 CPU、內(nèi)存、網(wǎng)卡的使用情況。這些性能有很多方式去獲取，而視頻云采用的是網(wǎng)易的哨兵系統(tǒng)。哨兵系統(tǒng)是網(wǎng)易的監(jiān)控系統(tǒng)，提供了非常詳細(xì)和即時(shí)的性能指標(biāo)。

借由哨兵這個(gè)強(qiáng)大的輪子，我們能非常方便的在機(jī)器級別上，做出有效的監(jiān)控。例如當(dāng)網(wǎng)卡流量或者 CPU 異常的時(shí)候，可以快速的報(bào)警采取處理。當(dāng)然，不光光可以監(jiān)控機(jī)器是否能正常運(yùn)行，也可以監(jiān)控是否被惡意攻擊，這個(gè)暫且不談。

性能指標(biāo)與業(yè)務(wù)融合

當(dāng)然，只有機(jī)器級的數(shù)據(jù)，是遠(yuǎn)遠(yuǎn)不夠的。俗話說，不與業(yè)務(wù)貼合的數(shù)據(jù)，不是好數(shù)據(jù)。作為直播 CDN 服務(wù)，最常規(guī)的參數(shù)，自然是音視頻碼率和延遲。

細(xì)心的看官們可能發(fā)現(xiàn)了幾個(gè)比較特殊的統(tǒng)計(jì)。

為什么統(tǒng)計(jì)了總碼率也統(tǒng)計(jì)了音視頻多帶帶的碼率？
這是因?yàn)樵谡鎸?shí)的場景中，總碼率并不一定能還原出我們需要的場景，有很多情況會需要多帶帶的分析音視頻碼率，例如用戶主動關(guān)閉了視頻輸出或者機(jī)器采樣性能不足導(dǎo)致的視頻卡頓，這個(gè)時(shí)候只需要配合幀率的統(tǒng)計(jì)，就可以快速還原場景。當(dāng)然，視頻碼率本身也不是一個(gè)固定的數(shù)值。視頻云也針對弱網(wǎng)提供QoS（即可變碼率）的功能。

推送延遲 push_delay 是什么？
推送延遲，是一個(gè)衡量 C/S 之間網(wǎng)絡(luò)情況的參數(shù)。當(dāng)這個(gè)參數(shù)發(fā)生波動的時(shí)候，則說明 C 端的包到達(dá) S 的時(shí)間比預(yù)計(jì)要長。能夠反映出網(wǎng)絡(luò)的抖動情況。如果計(jì)算這個(gè)數(shù)值呢？簡單來說，是使用了 RTMP 包頭部的時(shí)間戳。如果非要用一個(gè)公式解釋一下，我覺得應(yīng)該是：
Delay=abs( (當(dāng)前 RTMP 包的到達(dá)時(shí)間-上個(gè) RTMP 包的到達(dá)時(shí)間) – (當(dāng)前 RTMP 包的時(shí)間戳–上個(gè) RTMP 包的時(shí)間戳) )

計(jì)算每個(gè)包到達(dá)服務(wù)器所消耗時(shí)間的差異值，用于代表網(wǎng)絡(luò)的抖動。當(dāng)然，還需要做其他很多事情，例如加權(quán)和jitter算法來減少誤差和避免。

為什么還有 send_kbps？
其實(shí)這也挺好理解，因?yàn)?CDN 本身是分布式系統(tǒng)，在節(jié)點(diǎn)和節(jié)點(diǎn)間需要做路徑選擇，然后從節(jié)點(diǎn)到節(jié)點(diǎn)傳輸，從而實(shí)現(xiàn)加速。Send_kbps 其實(shí)就是前一個(gè)節(jié)點(diǎn)向后一個(gè)節(jié)點(diǎn)的發(fā)送碼率。那么這就涉及到了一個(gè)問題，如果去 trace 某一條流的數(shù)據(jù)呢？對于每一條流，我們會給予一個(gè)唯一的標(biāo)記，在節(jié)點(diǎn)間傳遞的時(shí)候，我們會給流添加一個(gè)自增的標(biāo)記 Hops。
通過這個(gè)標(biāo)記，可以精準(zhǔn)的找到這條流在節(jié)點(diǎn)件的走向，從而把各個(gè)節(jié)點(diǎn)的數(shù)據(jù)聚合在一起。其他，我們還會抓取一些類似源 IP，用戶設(shè)備等客戶端的信息。這些信息能幫忙我們走進(jìn)大數(shù)據(jù)時(shí)代。

整體數(shù)據(jù)服務(wù)的架構(gòu)

分布式系統(tǒng)中，每一個(gè)節(jié)點(diǎn)都會產(chǎn)生大量的統(tǒng)計(jì)和性能數(shù)據(jù)。所以在視頻云，有一個(gè)完整的統(tǒng)計(jì)架構(gòu)來作出支持。從最前端的數(shù)據(jù)采集、傳輸，到匯總，然后到計(jì)算集群，最后輸出。每一個(gè)服務(wù)都各司其職。讓我們來看看整體架構(gòu)。

對于每一個(gè)區(qū)域，會有一個(gè)數(shù)據(jù)匯聚的服務(wù)器，負(fù)責(zé)從流媒體服務(wù)器收集數(shù)據(jù)。最初的元數(shù)據(jù)，經(jīng)過數(shù)據(jù)匯聚服務(wù)器匯總、過濾和壓縮以后。統(tǒng)一上報(bào)到中心集群中的統(tǒng)計(jì)服務(wù)器。統(tǒng)計(jì)服務(wù)器會將所有的統(tǒng)計(jì)數(shù)據(jù)，逐一落庫，儲存在數(shù)據(jù)倉庫中。其余的數(shù)據(jù)計(jì)算集群，會從數(shù)據(jù)倉庫中定時(shí)進(jìn)行讀取計(jì)算。具體的計(jì)算間隔，會根據(jù)業(yè)務(wù)類型不同而不同。例如運(yùn)維平臺會主要讀取一些機(jī)器級別的數(shù)據(jù)，進(jìn)行分析和報(bào)警。大數(shù)據(jù)計(jì)算集群則會對數(shù)據(jù)進(jìn)行計(jì)算，得出優(yōu)化方向，此處我們稍后再聊。業(yè)務(wù)數(shù)據(jù)展示平臺則是會實(shí)時(shí)的輸出數(shù)據(jù)（例如碼率和延遲），用于提供給用戶和技術(shù)支持查詢。當(dāng)然，還有其他各種各樣的數(shù)據(jù)處理服務(wù)，這里就不再一一介紹。

數(shù)據(jù)能做的一些事情

最后，我們聊一聊數(shù)據(jù)。在這個(gè)大數(shù)據(jù)時(shí)代，有了數(shù)據(jù)卻不做事情，等同于浪費(fèi)。那么，有了這些數(shù)據(jù)以后，我們做了什么事情呢？當(dāng)然，最顯而易見的，就是調(diào)整調(diào)度策略，增設(shè)布點(diǎn)。例如，上圖的大數(shù)據(jù)的運(yùn)算結(jié)果，南京電信的網(wǎng)絡(luò)權(quán)重比較差，這就說明南京電信地區(qū)需要進(jìn)行排查。而南京移動的用戶量較大，也說明南京地區(qū)應(yīng)該增設(shè)服務(wù)點(diǎn)。

此外，數(shù)據(jù)和性能指標(biāo)的上報(bào)，也會被用于均衡負(fù)載調(diào)度。例如某一個(gè)節(jié)點(diǎn)壓力較大的時(shí)候，或者性能不穩(wěn)定的時(shí)候，這個(gè)節(jié)點(diǎn)的調(diào)度優(yōu)先級就會被降低（即不太會被優(yōu)先分配給用戶）。
以上就是我對于直播 CDN 服務(wù)監(jiān)控的一些看法，但是直播 CDN 服務(wù)監(jiān)控和數(shù)據(jù)收集是一個(gè)值得無止境討論和優(yōu)化的事情，歡迎大家留言與我探討。

隨著即時(shí)通訊以及音頻處理和壓縮技術(shù)的不斷發(fā)展，效果更好、適用范圍更廣、性能更高的算法和新的技術(shù)必將不斷涌現(xiàn)，如果你有好的技術(shù)或者分享，歡迎關(guān)注網(wǎng)易云信官方博客和 GitHub：

關(guān)注更多技術(shù)干貨內(nèi)容：網(wǎng)易云信博客
歡迎關(guān)注網(wǎng)易云信 GitHub
歡迎關(guān)注網(wǎng)易云信官網(wǎng)