服务器监控策略

策略一：监控对象选择

在一个规模较大的网络中，监控的对象可能包括服务器、防火墙、交换机、路由器等等设备，以及运行在各对象 上的服务。但是，我们没必要把所有的对象都放到这个监控系统中来。比如把某些测试系统放到监控中，就会产生如上那位老兄整个晚上收到报警短信的麻烦。因 此，选择正确的监控对象是实施有效监控的前提，个人建议，只有那些重要级别高的，不能随便停止服务的对象――如在线交易系统――才是值得监控的对象。当 然，服务器的使用者总希望你把它监控上，哪怕它不是那么重要。

 

策略二：故障报警方式选择

老板非常希望我们不知疲倦的坐在计算机旁，但是他只是一厢情愿而已。对监控系统而言，一定要有合适的故障 告警机制。目前常用的告警机制包括：邮件、短信、msn、web页面显示等几种手段，这几种手段中，短信报警最佳。因为在夜间睡梦中，我们没办法随时收邮件，但是短信去 能唤醒我们，通知我们发生故障了，而且在老板和用户发现这个故障以前。对于没有通道的机构来说，租用ｓｐ提供的服务是比较稳妥的方式，其他如用移动飞信等 方式都不怎么考谱，不适合关键性业务运营。另外我使用了一个小技巧，让监控平台每天下午给我发一条短信，不管有没有故障都发，这样以便让我知道短信接口是 否正常。

 

策略三：故障报警时效和间隔的选择

由于网络通信等不可控因素，因此可能存在故障误报的情况。如果把报警发送设置成一次探测不成功就发送报警 信息就不是个好策略。经验表明：探测３－４次都失败再发送信息，并不耽误我们去处理故障。假如探测一次失败就报警，即可以很快把手机短信空间塞满，又会让 你睡不好觉。

故障报警开始发送以后，一般会没完没了的发送，直到故障排除恢复正常，才会发一条类似“*** is ok!”的短信。报警发送间隔设置，也是需要费一番心思，设短了，不停的消耗你的短信费 用，设长了，恐怕不足以唤醒沉睡的人；如果没有人去处理故障，也没有人去停止这个通知，报警信息就会一直发送下去。

那怎么样是一个合适的范围呢？我的做法是：探测４次失败开始报警，报警间隔１０分钟，总共发送８次，然后 停止发送，假如第３次没有人去处理，我会电话通知，没回应则取消该对象的监控，并记录该次事件。

策略四：监控平台地点的选择

对于一个规模比较大的网络，为了解决南北互联问题而采取多个地点建立数据中心的办法。这时需要对不同地理 位置的服务器进行监控，也会遇到访问慢的问题。解决这个问题有几种方式：１、选择一个到各个位置访问都顺畅的数据机房；２、采取分步是监控平台，各处自己 收集监控信息，然后到一处汇总；３、各数据中心单独建监控平台。各人可以根据自己的实际情况自行选择。

 

策略五：流量控制和安全

有不少商业解决方案采取snmp和客户端软件来监控各个对象，这会引起 额外的流量和带来安全问题。因此尽量不要使用snmp这样比较占资源的协议（具称snmp v3似乎有所改进）。开源解决方案Nagios在这方面做得比较完美，值得推荐一下。它可以以插件方式先收集到各监控对象的信息，然后再传送到监控服务 器上，大大节省网络带宽。