国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

這么多監控組件,總有一款適合你

wpw / 3304人閱讀

摘要:典型實現不同的監控模塊,側重于不同領域,有著不同的職責。指標收集方面,支持多樣化的組件將被優先下使用。以上談了這么多,僅僅是聊了一下收集方面而已。

更多文章,請移步微信公眾號《小姐姐味道》 
mp原文 https://mp.weixin.qq.com/s?__...
監控是分布式系統的必備組件,能夠起到提前預警、問題排查、評估決策等功效,乃行走江湖、居家必備之良品。
監控系統概要 功能劃分

一個宿主機cpu的報警叫做監控;一個業務日志的報錯叫做監控;一個APM條件的觸發,也叫做監控。分布式系統錯綜復雜,隨便做個統計指標的集合,也屬于監控的范疇。怎樣做到通用化,理清其中的關系,是需要花點功夫的,否則揉成一團,就不好拆了。

我習慣性從以下兩種類型對其進行劃分,真正實施起來,系統還是按照數據象限分比較合理:
數據象限 從數據類型劃分,大體可分為:日志(logs)、監控(metrics)、調用鏈(tracing)。
功能象限 從業務角度劃分,可分為:基礎監控、中間件監控、業務監控

不管什么樣的監控系統,又涉及以下幾個模塊過程:
? 數據收集。如何在廣度和效率上進行數據歸并。
? 數據加工。數據的整理、傳輸和存儲。
? 特稱提取。大數據計算,中間結果生成存儲。
? 數據展示。高顏值、多功能顯示。


其中,特征提取只有數據量達到一定程度才會開啟,因為它的開發和運維成本一般小公司是不會玩的。

典型實現

不同的監控模塊,側重于不同領域,有著不同的職責。我個人是傾向于 獨立設計 的,但需要做一定程度的集成,主要還是使用方式上的集成和優化。

我將從幾個典型解決方案說起,來說一下為什么要分開設計,而不是揉成一團。

系統監控


系統監控用來收集宿主機的監控狀況(網絡、內存、CPU、磁盤、內核等),包括大部分數據庫和中間件的敏感指標。這些metric的典型特點是結構固定、有限指標項,使用時序數據庫進行存儲是最合適的。

指標收集方面,支持多樣化的組件將被優先下使用。比如telegraf,支持所有的系統指標收集和大部分中間件和DB的指標收集。

在這里特別推薦一下其中的jolokia2組件,可以很容易的實現JVM監控等功能。

指標收集以后,強烈建議使用kafka進行一次緩沖。除了其逆天的堆積能力,也可以方便的進行數據共享(比如將nginx日志推送給安全組)。
參考本公眾號:【360度測試:KAFKA會丟數據么?其高可用是否滿足需求?】

指標進入消息隊列后,一份拷貝將會通過logstash的過濾和整理入庫ESNoSQL;另外一份拷貝,會經過流計算,統計一些指標(如QPS、平均相應時間、TP值等)。

可以有多種途徑計算觸發報警的聚合計算。回查、疊加統計都是常用的手段。在數據量特別大的情況下,先對指標數據進行預處理是必備的,否則,再牛的DBinfluxdb也承受不住。

展現方面,grafana因其極高的顏值,首選,并支持通過iframe嵌入到其他系統。其缺點也是顯著的:支持類型有限(同比、環比、斜率都木有);報警功能不是很好用。

怎么?覺得這套技術棧過長?你其實是可以直接選擇zabbix這種現成的解決方案組件的,它的插件也夠多,小型公司用起來其實最爽不過了。但組件畢竟太集中了,你不方便將其打散,發現問題也不能任性的替換它的模塊,這在架構上,是一個致命硬傷。最后突然發現,實現成本居然增加了。這也是為什么上點規模的公司,都不在用它。

自己開發一個也是可行的,但不簡單,要處理各種復雜的前端問題,也不是每個人都能夠做漂亮。

日志

說到日志部分,大家首先想到的肯定是ELKB啊。但我覺得ELKB的鏈路不穩定不完整,建議做以下改造:


可以看到和系統監控的構造其實是差不多的,很多組件可以重用。區別就是數據量大,往往一不小心就把帶寬占滿了。日志的特點就是量大無規則(nginx算是良民了),SLA要求不會太高。

這時候收集部分就要用一些經的住考驗的日志收集組件了。Logstash的資源控制不是太智能,為了避免爭搶業務資源,flumebeats是更好的選擇。

同樣,一個消息隊列的緩沖是必要的,否則大量Agent假死在業務端可不是鬧著玩的。

關于日志落盤。很多日志是沒必要入庫的,比如研發同學開開心心打出來的DEBUG日志,所以要有日志規范。logstash根據這些規范進行過濾,落庫到ES。日志量一般很大,按天建索引比較好。更久之前的日志呢,可以歸集到日志堡壘機(就是非常非常大的磁盤),或者直接放HDFS里存檔了。

那么怎么過濾業務日志的錯誤情況呢,比如有多少XXX異常觸發報警。這種情況下可以寫腳本,也可以接一份數據進行處理,然后生成監控項,拋給metrics收集器即可。

哈!又繞回去了。

Tracing

相比較普通監控和日志,調用鏈APM等就復雜的多了。除了有大量的數據產生源,也要有相應的業務組件來支持調用鏈聚合和展示。其功能展示雖然簡單,但卻是監控體系里最復雜的模塊。

Google 的論文
“Dapper, a Large-Scale Distributed Systems Tracing Infrastructure”
開啟了調用鏈的流行。后續可以說是百家齊放,直到近幾年才出現了OpenTracing這樣的標準。

在數據處理和后續展示方面,它的技術點其實與監控技術是雷同的,復雜性主要體現在調用鏈數據的收集上。目前的實現方式,有類似Pinpoint這種直接使用javaagent技術修改字節碼的;也有類似于cat這種直接進行編碼的。其各有優缺點,但都需要解決以下問題:
? 收集組件的異構化。開發語言可能有java,也可能有golang
? 組件的多樣化。從前端埋點開始,nginx、中間件、db等鏈路都需要包含
? 技術難點的攻關。如異步、進程間上下文傳遞等
? 采樣。尤其在海量調用時,既要保證準確性,也要保證效率

關于Tracing的數據結構,已經爛大街,在此就不多說了。各種實現也各自為政,協議上相互不兼容,做了很多重復的工作。為了解決不同的分布式追蹤系統 API 不兼容的問題,誕生了 OpenTracing( http://opentracing.io/ ) 規范。說白了就是一套接口定義,主流的調用鏈服務端實現都兼容此規范,如zipkinjaeger。也就是說你只要按照規范提供了數據,就能夠被zipkin收集和展示。

OpenTracing大有一統天下的架勢,它在其中融合Tracing、Log、Metrics的概念。我們還是上張圖吧,等真正去做的時候去了解也不晚(來源于網絡)。


值得一提的是,SpringCloud對它的支持還是比較全面的(https://github.com/opentracing-contrib),但依賴關系和版本搞的非常混亂。建議參考后自己開發,大體使用"spring boot starter"技術,可以很容易的寫上一版。

至于"Spring Cloud 2",更近一步,集成了micrometer這種神器,對prometheus集成也是非常的有好。業務metrics監控將省下不少力氣。

以上談了這么多,僅僅是聊了一下收集方面而已。標準這個思路是非常對的,否則每個公司都要寫一遍海量的收集組件,多枯燥。至于國內大公司的產品,是否會主動向其靠攏,我們拭目以待。

服務端方面,我們以UberJaeger為例,說明一下服務端需要的大體組件。

Jaeger Client - 就是上面我們所談的
Agent - 監聽在 UDP 端口上接收 span 數據的網絡守護進程,它會將數據批量發送給 collector
Collector - 接收 jaeger-agent 發送來的數據,然后將數據寫入后端存儲。
Data Store - 后端存儲被設計成一個可插拔的組件,支持將數據寫入 cassandra、ES
Query - 接收查詢請求,然后從后端存儲系統中檢索 trace 并通過 UI 進行展示

是的,典型的無狀態系統,對等節點當機無影響。

分析和預警

上面的狀態圖不止一次提到流計算,這也不用非要整個Spark Streaming,從kafka接收一份數據自己處理也叫流計算,選用最新的kafka stream也是不從的選擇。重要的是聚合聚合聚合,重要的事情說三遍。

一般,算一些QPS,RT等,也就是純粹的計數;或者斜率,也就是增長下降速度;復雜點的有TP值(有百分之多少的請求在XX秒內相應),還有調用鏈的服務拓撲圖、日志異常的統計,都可以在這里進行計算。

幸運的是,流計算的API都比較簡單,就是調試比較費勁。

分析后的數據屬于加工數據,是要分開存儲的,當然量小的話,也可以和原始數據混在一起。分析后的數據量是可評估的,比如5秒一條數據,一天就固定的17280條,預警模塊讀的是分析后的數據(原始數據太大了),也會涉及大量的計算。

那么分析后的統計數據用來干什么用呢?一部分就是預警;另一部分就是展示。

預警

拿我設計的一個原型來看,對一個metric的操作大體有以下內容:

? 在時間間隔內,某監控項觸發閾值XX次
? 觸發動作有:大于、小于、平均值大于、平均值小于、環比大于、環比小于、同比大于、同比小于、自定義表達式等
? 閾值為數字數組,支持多監控項相互作用
? 級別一般根據公司文化進行劃分,6層足夠了
? 聚合配置用來表明是閾值觸發還是聚合觸發,比如在時間跨度5分鐘內發生5次,才算是處罰
? 報警觸發后,會發郵件、打電話、發短信、發webhook等

僅做參考,這只是配置的冰山一角。要把各種出發動作做一遍,你是要浪費很多腦細胞的。

展示

有很多可視化js庫,但工作量一般都很大。但沒辦法,簡單的用grafana配置一下就可以了,復雜點的還需要親自操刀。我這里有兩張簡單的grafana圖,可以參考一下。

[系統監控]

[jvm監控一部分]

小結

整體來說,整個體系就是收集、處理、應用這大三類數據(logs、metrics、trace)。其中有些組件的經驗可以共用,但收集部分和應用部分相差很大。我嘗試總結了一張圖,但從中只能看到有哪些組件參與,只看圖是臨摹兩可的。具體的數據流轉和處理,每種結構都不盡相同,這也是為什么我一直強調分而治之的原因。但使用方式上,最好相差不要太大。無論后端的架構如何復雜,一個整體的外觀將讓產品變得更加清晰,你目前的工作,是不是也集中在此處呢?

一些組件

通過了解上面的內容,可以了解到我們習慣性的將監控系統所有的模塊進行了拆解,你可以很容易的對其中的組件進行替換。比如beat替換flume、cassandra替換ES...

下面我將列出一些常用的組件,如有遺漏,歡迎補充。

數據收集組件 telegraf

用來收集監控項,influxdata家族的一員,是一個用Go編寫的代理程序,可收集系統和服務的統計數據,并寫入到多種數據庫。支持的類型可謂非常廣泛。

flume

主要用來收集日志類數據,apache家族。Flume-og和Flume-ng版本相差很大。是一個高可用的,高可靠的,分布式的海量日志采集、聚合和傳輸的系統,Flume支持在日志系統中定制各類數據發送方,用于收集數據;同時,Flume提供對數據進行簡單處理,并寫到各種數據接受方(可定制)的能力。

logstash

Logstash是一個開源的日志收集管理工具,elastic家族成員。功能和flume類似,但占用資源非常的貪婪,建議使用時獨立部署。功能豐富,支持ruby定義過濾條件。

StatsD

node開發,使用udp協議傳輸,專門用來收集數據,收集完數據就發送到其他服務器進行處理。與telegraf類似。

CollectD

collectd是一個守護(daemon)進程,用來定期收集系統和應用程序的性能指標,同時提供了機制,以不同的方式來存儲這些指標值。

可視化

獨立的可視化組件比較少,不過解決方案里一般都帶一個web端,像grafana這么專注的,不太多。

grafana

專注展示,顏值很高,集成了非常豐富的數據源。通過簡單的配置,即可得到非常專業的監控圖。

存儲

有很多用的很少的,可以看這里:
https://grafana.com/plugins?type=datasource

influxdb

influx家族產品。Influxdb是一個開源的分布式時序、時間和指標數據庫,使用go語言編寫,無需外部依賴。支持的數據類型非常豐富,性能也很高。單節點使用時不收費的,但其集群要收費。

opentsdb

OpenTSDB是一個時間序列數據庫。它其實并不是一個db,多帶帶一個OpenTSDB無法存儲任何數據,它只是一層數據讀寫的服務,更準確的說它只是建立在Hbase上的一層數據讀寫服務。能夠承受海量的分布式數據。

elasticsearch

能夠存儲監控項,也能夠存儲log,trace的關系也能夠存儲。支持豐富的聚合函數,能夠實現非常復雜的功能。但時間跨度太大的話,設計的索引和分片過多,ES容易懵逼。

解決方案 open-falcon

小米出品,它其實包含了agent、處理、存儲等模塊,并有自己的dashboard,算是一個解決方案,贊一下。但目前用的較少,而且國內開源的東西尿性你也知道:公司內吹的高大上,社區用的卻是半成品。

Graphite

Graphite并不收集度量數據本身,而是像一個數據庫,通過其后端接收度量數據,然后以實時方式查詢、轉換、組合這些度量數據。Graphite支持內建的Web界面,它允許用戶瀏覽度量數據和圖。最近發展很不錯,經常和Collectd進行配對。grafana也默認集成其為數據源。

prometheus

golang開發,發展態勢良好。它啟發于 Google 的 borgmon 監控系統,2015才正式發布,比較年輕。prometheus目標宏大,從其名字就可以看出來--普羅米修斯。另外,SpringCloud對它的支持也很好。

傳統監控

圖形還停留在使用AWT或者GD渲染上。總感覺這些東東處在淘汰的邊緣呢。

zabbix

使用占比特別大,大到我不需要做過多介紹。但隨著節點的增多和服務的增多,大概在1k左右,你就會遇到瓶頸(包括開發定制瓶頸)。整體來說,小公司用的很爽,大公司用的很雞肋。

nagios

也算是比較古老了,時間久客戶多。其安裝配置相對較為復雜。功能不全較專一,個人不是很喜歡。

ganglia

Ganglia的核心包含gmond、gmetad以及一個Web前端。主要是用來監控系統性能,如:cpu 、mem、硬盤利用率, I/O負載、網絡流量情況等,通過曲線很容易見到每個節點的工作狀態,對合理調整、分配系統資源,提高系統整體性能起到重要作用。

Centreon

這可是老掉牙了,和nagios配合的天衣無縫。你還在用么?

APM

APM算是其中比較特殊的一個領域,也有很多實現。
附:支持OpenTracing的APM列表

cat

其實美團的東西非常少,大部分拿點評的來充門面。CAT作為美團點評基礎監控組件,它已經在中間件框架(MVC框架,RPC框架,數據庫框架,緩存框架等)中得到廣泛應用,為美團點評各業務線提供系統的性能指標、健康狀況、基礎告警等。
算是比較良心了,但侵入性很大,如果你的代碼量龐大就是噩夢。技術實現比較老,但控制力強。

Pinpoint

pinpoint是開源在github上的一款APM監控工具,它是用Java編寫的,用于大規模分布式系統監控。安裝agent是無侵入式的,也就是用了java的instrument技術,注定了是java系的。

SkyWalking

帶有華為標簽,和pinpoint類似,使用探針收集數據,2015年作品,使用ES作為存儲。進入Apache了哦,支持Opentracing。

zipkin

哦,zipkin也是走的這條路,但zipkin支持opentracing協議,這樣,你用的不爽可以替換它,非常大度。

jaeger

golang開發,Uber產品,小巧玲瓏,支持OpenTracing協議。它的Web端也非常漂亮,提供ES和Cassandra的后端存儲。

其他 Datadog

這里提一個唯一收費的解決方案。為什么呢?因為它做的很漂亮。顏值控,沒辦法。另外,還良心的寫了很多具體實現的代碼和文檔,質量很高。你要自己開發一套的話,不妨一讀。


監控體系的復雜之處就在于雜,如何理清其中的關系,給用戶一個合理的思考模式,才是最重要的,此所謂產品體驗優先。從整個的發展歷程中可以看到,標準化是對技術最好的改進,但也要經歷一個群魔亂舞的年代。既得利益者會維護自己的壁壘,拒絕接納和開放,然后猛然間發現,自己的東西已經落伍,跟不上時代的腳步了。

文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。

轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/8096.html

相關文章

  • 這么監控組件總有一款適合

    摘要:典型實現不同的監控模塊,側重于不同領域,有著不同的職責。指標收集方面,支持多樣化的組件將被優先下使用。以上談了這么多,僅僅是聊了一下收集方面而已。 更多文章,請移步微信公眾號《小姐姐味道》 mp原文 https://mp.weixin.qq.com/s?__...監控是分布式系統的必備組件,能夠起到提前預警、問題排查、評估決策等功效,乃行走江湖、居家必備之良品。 監控系統概要 功能劃分...

    simon_chen 評論0 收藏0
  • 個人支付接口現狀分析——總有一款適合

    摘要:支付寶支持網站支付,支付,支付和當面付,但是要想接入網站,需要網站備案,并且還要有營業執照。可是,這個途徑后來經過證實,支付寶已經停用。缺點也是相當的明顯只有支付寶可以用這種方式,因為微信是在內部有一個公眾號形式的提示。 0.背景 前段時間準備把自己的博客做成付費閱讀或者訂閱的形式,雖然沒想著要贏利多少錢,但是起碼養的起自己站點域名服務器費用即可。但是大家都懂,草根站長,又沒公司,想...

    tylin 評論0 收藏0
  • 微服務不是全部,只是特定領域的子集

    摘要:一些官宣的特性,在公司內是嚴格禁止的。一個超過個表的聯合查詢業務,大概率是不合理的。微服務就是一個多模塊項目規范化的過程。服務治理微服務最重要的特色就是其治理功能。微服務引出的另外一個問題就是調用鏈,即某個請求的真實路徑。 大家都在學SpringCloud,貌似學會了SC就牛逼哄哄,感覺不得了的樣子。但微服務,在整個企業級應用中,只占了一小部分。微服務引入的問題比解決的問題還要多,你會...

    Lin_YT 評論0 收藏0
  • 必看!java后端,亮劍誅仙(最全知識點)

    摘要:鑒于目前大多數服務器環境都是,提前接觸能夠相輔相成。正則也是必須要掌握的一個知識點。有多種創建多線程的方式,不過目前使用線程池的多一些。 原創:小姐姐味道(微信公眾號ID:xjjdog),歡迎分享,轉載請保留出處。 你可能有所感悟。零散的資料讀了很多,但是很難有提升。到處是干貨,但是并沒什么用,簡單來說就是缺乏系統化。另外,噪音太多,雷同的框架一大把,我不至于全都要去學了吧。 這里,我...

    陳江龍 評論0 收藏0

發表評論

0條評論

wpw

|高級講師

TA的文章

閱讀更多
最新活動
閱讀需要支付1元查看
<