機器監控項添加建議

如何解決機器監控遺漏的問題？想必是每一位運維同窗都會面臨的問題。

• 太多的機器監控內容，可能會產生無效的報警，對生活形成必定影響；
• 太少的機器監控內容，可能會沒法及時發現異常，對服務穩定性形成影響；
• 合理的機器監控內容，較高的報警準確度，雖然美好但卻須要長期積累；

所以，提供一套有效的機器監控標準，並持續優化標準的內容，從而造成良性循環，提升運維效率就成爲監控平臺的責任和義務。

咱們將各個業務體系運維中機器監控的共性部分進行梳理和排序，提煉出了在運維工做中必須接收報警短信的10項機器監控指標，分享給你們

接下來，我將詳細介紹機器監控標準的內容

CPU_IDLE < 10

MEM_USED_PERCENT > 90

NET_MAX_NIC_INOUT_PERCENT > 80

CPU_SERVER_LOADAVG_5 > 15

DISK_MAX_PARTITION_USED_PERCENT > 95

DISK_TOTAL_WRITE_KB（可選項）

DISK_TOTAL_READ_KB（可選項）

CPU_WAIT_IO（可選項）

DISK_SDA_IO_UTIL（可選項）

NET_TCP_CURR_ESTAB（可選項）

NET_TCP_RETRANS（可選項）

DISK_TOTAL_IO_UTIL（可選項）

面臨的問題

1，碎片化：因服務器硬件的批次，廠商，型號，採購時間，OS類型等不一樣，致使監控標準化的難度增長。如內存大小，磁盤讀寫性能，網卡速率等，實際面臨的問題和安卓版本碎片化類似。以磁盤讀寫性能爲例，不一樣廠商，批次，型號，是否有RAID卡對磁盤讀寫性能均有影響，且隨着服務器交付業務後，運行強度和運行時間不一樣，也會形成磁盤讀寫性能有必定的不一樣。所以，如何監控一個公司內全部的服務器，就會成爲一個難題。

監控的技巧

1，極值法

CPU：重點監控CPU_IDLE小於10%的狀況

MEM：重點監控MEM_USED_PERCENT大於90%的狀況

NET：重點監控網卡入口/出口使用率大於90%的狀況

2，分時段不一樣閾值

DISK：業務流量高峯期閾值較爲敏感；業務流量低谷期閾值適度寬鬆

3，比例替代絕對值

MEM：由於機器內存總量不一，所以經過內存使用率能夠進行統一監控

原文連接：http://www.yunxiaobai.net/archives/12