最近公司需要開發一個監控預警平臺，剛好負責這一塊，小米開源監控平臺整體表現還是差強人意的，故使用該平臺，我也記錄一下學習歷程。

以下介紹來自于官方文檔和互聯網相關資料自我總結歸納

一、介紹

監控系統是整個運維環節，乃至整個產品生命周期中最重要的一環，事前及時預警發現故障，事后提供翔實的數據用于追查定位問題。監控系統作為一個成熟的運維產品，業界有很多開源的實現可供選擇。當公司剛剛起步，業務規模較小，運維團隊也剛剛建立的初期，選擇一款開源的監控系統，是一個省時省力，效率最高的方案。之后，隨著業務規模的持續快速增長，監控的對象也越來越多，越來越復雜，監控系統的使用對象也從最初少數的幾個SRE，擴大為更多的DEVS，SRE。這時候，監控系統的容量和用戶的“使用效率”成了最為突出的問題。

監控系統業界有很多杰出的開源監控系統。我們在早期，一直在用zabbix，不過隨著業務的快速發展，以及互聯網公司特有的一些需求，現有的開源的監控系統在性能、擴展性、和用戶的使用效率方面，已經無法支撐了。

因此，我們在過去的一年里，從互聯網公司的一些需求出發，從各位SRE、SA、DEVS的使用經驗和反饋出發，結合業界的一些大的互聯網公司做監控，用監控的一些思考出發，設計開發了小米的監控系統：open-falcon。

二、特點

1、強大靈活的數據采集：自動發現，支持falcon-agent、snmp、支持用戶主動push、用戶自定義插件支持、opentsdb data model like（timestamp、endpoint、metric、key-value tags）

2、水平擴展能力：支持每個周期上億次的數據采集、告警判定、歷史數據存儲和查詢

3、高效率的告警策略管理：高效的portal、支持策略模板、模板繼承和覆蓋、多種告警方式、支持callback調用

4、人性化的告警設置：最大告警次數、告警級別、告警恢復通知、告警暫停、不同時段不同閾值、支持維護周期

5、高效率的graph組件：單機支撐200萬metric的上報、歸檔、存儲（周期為1分鐘）

6、高效的歷史數據query組件：采用rrdtool的數據歸檔策略，秒級返回上百個metric一年的歷史數據

7、dashboard：多維度的數據展示，用戶自定義Screen

8、高可用：整個系統無核心單點，易運維，易部署，可水平擴展

9、開發語言： 整個系統的后端，全部golang編寫，portal和dashboard使用python編寫。

三、架構

每臺服務器，都有安裝falcon-agent，falcon-agent是一個golang開發的daemon程序，用于自發現的采集單機的各種數據和指標，這些指標包括不限于以下幾個方面，共計200多項指標。

CPU相關

磁盤相關

IO

Load

內存相關

網絡相關

端口存活、進程存活

ntp offset（插件）

某個進程資源消耗（插件）

netstat、ss 等相關統計項采集

機器內核配置參數

只要安裝了falcon-agent的機器，就會自動開始采集各項指標，主動上報，不需要用戶在server做任何配置（這和zabbix有很大的不同），這樣做的好處，就是用戶維護方便，覆蓋率高。當然這樣做也會server端造成較大的壓力，不過open-falcon的服務端組件單機性能足夠高，同時都可以水平擴展，所以自動多采集足夠多的數據，反而是一件好事情，對于SRE和DEV來講，事后追查問題，不再是難題。

另外，falcon-agent提供了一個proxy-gateway，用戶可以方便的通過http接口，push數據到本機的gateway，gateway會幫忙高效率的轉發到server端。

四、數據模型

Data Model是否強大，是否靈活，對于監控系統用戶的“使用效率”至關重要。比如以zabbix為例，上報的數據為hostname（或者ip）、metric，那么用戶添加告警策略、管理告警策略的時候，就只能以這兩個維度進行。舉一個最常見的場景：

hostA的磁盤空間，小于5%，就告警。一般的服務器上，都會有兩個主要的分區，根分區和home分區，在zabbix里面，就得加兩條規則；如果是hadoop的機器，一般還會有十幾塊的數據盤，還得再加10多條規則，這樣就會痛苦，不幸福，不利于自動化（當然zabbix可以通過配置一些自動發現策略來搞定這個，不過比較麻煩）。

五、數據收集

transfer，接收客戶端發送的數據，做一些數據規整，檢查之后，轉發到多個后端系統去處理。在轉發到每個后端業務系統的時候，transfer會根據一致性hash算法，進行數據分片，來達到后端業務系統的水平擴展。

transfer 提供jsonRpc接口和telnet接口兩種方式，transfer自身是無狀態的，掛掉一臺或者多臺不會有任何影響，同時transfer性能很高，每分鐘可以轉發超過500萬條數據。

transfer目前支持的業務后端，有三種，judge、graph、opentsdb。judge是我們開發的高性能告警判定組件，graph是我們開發的高性能數據存儲、歸檔、查詢組件，opentsdb是開源的時間序列數據存儲服務?？梢酝ㄟ^transfer的配置文件來開啟。

transfer的數據來源，一般有三種：

1、falcon-agent采集的基礎監控數據

2、falcon-agent執行用戶自定義的插件返回的數據

3、client library：線上的業務系統，都嵌入使用了統一的perfcounter.jar，對于業務系統中每個RPC接口的qps、latency都會主動采集并上報

說明：上面這三種數據，都會先發送給本機的proxy-gateway，再由gateway轉發給transfer。

基礎監控是指只要是個機器(或容器)就能加的監控，比如cpu mem net io disk等，這些監控采集的方式固定，不需要配置，也不需要用戶提供額外參數指定，只要agent跑起來就可以直接采集上報上去； 非基礎監控則相反，比如端口監控，你不給我端口號就不行，不然我上報所有65535個端口的監聽狀態你也用不了，這類監控需要用戶配置后才會開始采集上報的監控（包括類似于端口監控的配置觸發類監控，以及類似于mysql的插件腳本類監控），一般就不算基礎監控的范疇了。

六、 預警

報警判定，是由judge組件來完成。用戶在web portal來配置相關的報警策略，存儲在MySQL中。heartbeat server 會定期加載MySQL中的內容。judge也會定期和heartbeat server保持溝通，來獲取相關的報警策略。

heartbeat sever不僅僅是單純的加載MySQL中的內容，根據模板繼承、模板項覆蓋、報警動作覆蓋、模板和hostGroup綁定，計算出最終關聯到每個endpoint的告警策略，提供給judge組件來使用。

transfer轉發到judge的每條數據，都會觸發相關策略的判定，來決定是否滿足報警條件，如果滿足條件，則會發送給alarm，alarm再以郵件、短信、米聊等形式通知相關用戶，也可以執行用戶預先配置好的callback地址。

用戶可以很靈活的來配置告警判定策略，比如連續n次都滿足條件、連續n次的最大值滿足條件、不同的時間段不同的閾值、如果處于維護周期內則忽略 等等。

另外也支持突升突降類的判定和告警。

七、API

到這里，數據已經成功的存儲在了graph里。如何快速的讀出來呢，讀過去1小時的，過去1天的，過去一月的，過去一年的，都需要在1秒之內返回。

這些都是靠graph和API組件來實現的，transfer會將數據往graph組件轉發一份，graph收到數據以后，會以rrdtool的數據歸檔方式來存儲，同時提供查詢RPC接口。

API面向終端用戶，收到查詢請求后，會去多個graph里面，查詢不同metric的數據，匯總后統一返回給用戶。

八、面板

前端頁面展示

九、存儲

對于監控系統來講，歷史數據的存儲和高效率查詢，永遠是個很難的問題！

數據量大：目前我們的監控系統，每個周期，大概有2000萬次數據上報（上報周期為1分鐘和5分鐘兩種，各占50%），一天24小時里，從來不會有業務低峰，不管是白天和黑夜，每個周期，總會有那么多的數據要更新。

寫操作多：一般的業務系統，通常都是讀多寫少，可以方便的使用各種緩存技術，再者各類數據庫，對于查詢操作的處理效率遠遠高于寫操作。而監控系統恰恰相反，寫操作遠遠高于讀。每個周期幾千萬次的更新操作，對于常用數據庫（MySQL、postgresql、mongodb）都是無法完成的。

高效率的查：我們說監控系統讀操作少，是說相對寫入來講。監控系統本身對于讀的要求很高，用戶經常會有查詢上百個meitric，在過去一天、一周、一月、一年的數據。如何在1秒內返回給用戶并繪圖，這是一個不小的挑戰。

open-falcon在這塊，投入了較大的精力。我們把數據按照用途分成兩類，一類是用來繪圖的，一類是用戶做數據挖掘的。

對于繪圖的數據來講，查詢要快是關鍵，同時不能丟失信息量。對于用戶要查詢100個metric，在過去一年里的數據時，數據量本身就在那里了，很難1秒之類能返回，另外就算返回了，前端也無法渲染這么多的數據，還得采樣，造成很多無謂的消耗和浪費。我們參考rrdtool的理念，在數據每次存入的時候，會自動進行采樣、歸檔。我們的歸檔策略如下，歷史數據保存5年。同時為了不丟失信息量，數據歸檔的時候，會按照平均值采樣、最大值采樣、最小值采樣存三份。

在下一小節，我將簡單介紹一下open-falcon的安裝和使用

總結

以上是生活随笔為你收集整理的一、小米开源监控平台open-falcon介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。