Chinaunix首页 | 论坛 | 博客
  • 博客访问: 141207
  • 博文数量: 31
  • 博客积分: 10
  • 博客等级: 民兵
  • 技术积分: 318
  • 用 户 组: 普通用户
  • 注册时间: 2011-03-24 22:10
个人简介

2011.4 ~ 2015.7 就职于百度运维部,负责百度推广后台系统运维; 2015.7至今,就职于北京屏芯科技(互联网+餐饮),负责稳定性、安全、敏捷、速度等工作。

文章分类

全部博文(31)

文章存档

2016年(4)

2015年(27)

我的朋友

分类: 系统运维

2015-08-22 12:12:25

题记:
当服务异常之后,不应该只是发短信/邮件通知op,之后再由op登陆vpn, 登陆服务器处理。
整个流程应该再顺畅些,检测到服务异常 -> 触发预案执行。
单纯执行预案的op是没有存在价值的。不过,加那么多无用的报警来骚扰op也是耍流氓啊亲。

ok,再考虑一个问题,我们要怎么检测到服务是真的异常了? 通过什么监控指标?
其实我们在说服务异常时,通常是指两个方面,
1. 服务挂了,请求拒绝。
2. 服务没挂,但性能变差,体验变差。

先来考虑第一个方面,也就是服务挂了我们要能监控到,这是最基本的要求。通过什么指标来监控服务的存活性呢?
方案1. 端口存活性监控,端口不在就是挂了。问: 有没有可能端口还在,服务挂了?
方案2. 流量监控,没流量了就是挂了。问: 有没有可能低峰期(比如凌晨)就是没流量,但服务是好的?
方案3. java线程数监控(我们的服务是java的),线程数超过了某个值就是挂了。问: 超过了多少合适,没超过就一定没问题吗?
方案4. 真正发起一个请求,如果没返回/返回异常就表示挂了。问: 发起什么请求, 有没有可能这个类型的请求没问题,那个请求就有问题?

这么对比下来,我们决定采用方案4作为服务存活性的监控方案。毕竟,没有什么监控可以覆盖100%的场景。
我们的服务分为两类,1种是web类服务,对外暴露http的接口;1种是server类服务,为web服务提供数据/逻辑支持,走rpc的调用。
对于提供http的服务,可以定期curl一个监控文件,看http return code.
对于rpc的服务,暂时没想到特别好的方案,暂时通过尝试connect,看能不能连上。
脚本就不提供了,很简单的需求。

再考虑一个问题,服务挂了之后的预案是什么?
服务挂了,最简单粗暴的方式就是重启服务。当然,需要在重启前保存现场。
重启的脚本最好放在服务本身的控制脚本中,便于维护。不要额外单独维护一个“预案脚本”。

下面开始实践,
把监控脚本分发到所有的服务器(zabbix_agentd)上。
配置templates的item,每分钟检测一次。比如item叫serviceA.is_alive,正常为1,异常为0。
配置templates的trigger,连续两分钟异常则触发trigger, trigger的表达式应该这么写

点击(此处)折叠或打开

  1. ({Template serviceA:serviceA.is_alive.last(#2)}<>1 and {Template serviceA:serviceA.is_alive.last()}<>1 ) or {Template serviceA:serviceA.is_alive.nodata(120)}=1
为了方便看的话,可以为item添加一个graph。
之后,配置Actions,建议:
1. Default Message: zabbix默认的default message太长了,精简如下

点击(此处)折叠或打开

  1. [{TRIGGER.STATUS}][{TRIGGER.SEVERITY}][{EVENT.TIME}][{TRIGGER.NAME}][{HOST.IP1}][{ITEM.NAME1} ({HOST.NAME1}:{ITEM.KEY1}): {ITEM.VALUE1}]
2. 勾选上Recovery Message,恢复正常时给你再发一条消息
3. Condition: (A and B)
   A. Trigger value = Problem
   B. Trigger = Template serviceA: trigger_name
4. Operations: 
   operation type: Remote Command
   target: Current Host
   type: custom script
   execute on: zabbix agent
   # zabbix_agentd需要是root启动,以work账号执行重启的命令。
   # restart逻辑集成在服务自身的启停脚本中。
   commands: su - work -c "bash /home/work/serviceA/bin/run.sh restart"

另外,zabbix也提供web scenarios的监控方式,去get一个url看结果/返回码。
在判断服务存活性的场景里,web scenarios是不合适的。因为web scenarios是由zabbix_server发起的。
zabbix_server异常时,web scenarios的执行结果可能会异常。同时也不方便在action中指定要执行命令的host.
阅读(1727) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~