如何实现对主机的立体监控？

主机监控是保证系统稳定性和性能的重要环节之一，那应该如何实现对主机的立体监控？

本期EasyOps产品使用最佳实践，我们将为您揭晓：

• 主机应该如何分组和管理？
• 主机监控应该关注哪些关键性指标？

背 景

通过监控主机的各项指标，我们可以及时发现问题、诊断故障，并采取相应的措施来确保主机的正常运行。本文将结合之前的最佳实践，综合性介绍主机监控的目标和实现方式，以帮助您有效地监控主机的关键指标。

主 机 监 控 目 标

在进行主机监控时，我们通常关注以下几个重要指标：

在监控上述指标的实践中，我们不仅会进行指标的采集和监测，还会对异常情况进行告警处理。在进行告警时，我们注重提供丰富的信息和指标，以更加友好和直观的方式向用户发送告警通知，以协助用户进行告警分析和故障排查。

通过丰富的告警信息，我们可以提供更多的上下文和细节，帮助用户更好地理解告警的原因和影响。告警信息可能包括详细的指标数值、触发告警的条件、相关的主机或服务信息等，以帮助用户快速定位问题所在。

下面，我将基于EasyOps平台的优维的EasyOps监控系统，一步一步从0开始实践如何对主机实现立体监控。

实 践

1.主机分类

首先，为了更好地进行主机监控，我们需要对主机进行分类。通常情况下，我们会关注生产环境中的主机，或者具备一些特定特征的主机。通过对主机进行分类，我们可以更有针对性地进行监控和管理。而借助 CMDB 平台的查询策略，我们可以方便地对主机进行分类和查看。

主机分类的方式可以根据不同的需求和业务场景来确定。以下是一些常见的主机分类方式：

• 按照环境分类：将主机划分为生产环境、开发环境、测试环境等，以便针对不同环境进行监控和管理。
• 按照业务应用分类：将主机按照所承载的业务应用进行分类，例如 Web 服务器、数据库服务器、应用服务器等，以便更好地追踪和管理各个业务应用的性能和可用性。
• 按照地理位置分类：将主机按照地理位置进行分类，例如不同地区、不同数据中心或机房的主机，以便进行地域性的监控和管理。
• 按照硬件配置分类：将主机按照硬件配置进行分类，例如不同型号、不同规格的主机，以便更好地了解不同硬件配置对性能的影响。

在本次实践中，我的监控对象分为两种类型：

• 按环境和用途区分，以归类于“生产环境主机”
• 按虚拟化类型区分，已归类于“宿主机“

如下图所示：

上面可以看到有两条查询策略，仅需点击查询策略后即可过滤出主机组。

2.采集策略

在优维的EasyOps监控系统中，主机作为最基本和基础的监控资源对象，已经内置好主机采集策略。我们可能需要稍微对采集范围做一些调整，以符合我们的监控目标需求。此处我将重新建立一条监控采集策略，以帮助您了解一条采集策略需要包含哪些基本内容：

新建采集策略

点击右上角的新建，选择system套件，填入所需的任务名，指标集等信息。

特别说明：system套件是主机采集套件，将对主机的cpu、内存、网络、磁盘、文件系统和进程等信息进行采集。

选择采集实例范围

此处基于CMDB的查询策略，可快速过滤出目标主机组。此处，我们过滤出生产环境的宿主机作为监控对象。如下所示：

点击下一步保存即可。

稍等片刻，即可看到所有的实例对象的采集状态都是正常，说明指标采集成功。

针对于宿主机这个主机组，已经配置完成。

而针对于生产环境主机这个主机组，步骤也一样，此处不赘述。

3.告警规则

接下来针对监控目标的表格，设定告警规则。我们的告警规则设定如下，仅供参考：

新建规则

右上角点击新建规则

注意，选择的类型为：主机。

而后添加监控目标，此处的监控目标就是CMDB查询策略中定义好的规则。此处我们已经把规则建立好，因此可以直接绑定已有查询策略：

建立告警套件策略

我们的阈值条件判断是：主机5分钟单核平均负载大于5「或」cpu使用率大于85%，因此这是一个或条件。此时在告警来源中，我们选择「从【阈值条件.任意条件】产生」；如果是与条件，则选择「从所有条件产生」。

为了准确触发告警，系统使用连续的3个数据点来判断是否达到告警条件。每分钟采集一次数据，如果在连续的3分钟内命中告警条件，系统将触发相应的告警通知。

在设计告警策略时，系统考虑了告警的延迟，以适应可能的瞬时异常情况，从而提高告警的准确性。因此，即使出现短暂的异常情况，系统会等待一段时间确认后再触发告警，以减少误报的可能性。

告警分析

当主机发出告警后，了解关于该主机的上下文信息对于告警分析和问题解决非常重要。监控平台支持联动CMDB模型中的属性信息，可以非常灵活地在告警信息中包含来源于CMDB的实例属性，并且还能关联目标指标的关联指标信息，以提供更丰富的信息支持。比如：

• 主机负责人：在告警通知中包含主机的负责人联系信息，以便管理员可以直接与负责人进行沟通和协调。
• 关联指标：对于本例中的CPU负载告警，我们可以在告警通知中包含当前的CPU使用率

因此，我们可以基于告警分析中的告警丰富和信息丰富去完成。

信息丰富：添加负责人

通过选择CMDB的主机模型中的属性信息，添加到告警通知中，让我们可以得知该主机的负责人，以便当主机告警时可以得知应该谁去处理该告警。

指标丰富：丰富CPU信息

此时告警模板中就可以添加丰富的信息。

更多地，根据实际情况添加即可。如下告警分析供参考：

告警通知

最后，添加告警通知。告警通知支持多种通知媒介，此处以钉钉机器人为例子说明。

简单地填写好配置信息后，我们重点添加告警内容的模板，结合我们上一篇的最佳实践《一个“好”的告警通知是怎样的？》，我们可以得出以下的模板

这里给出一个示例，如下：

●告警模板：

{{time|ts2str:'%Y-%m-%d %H:%M'}} 产生告警事件</font></h2>

| 事件类型 | SLO事件 |

| --- | --- |

| 告警等级 | {{levelName}} |

| 告警资源 | {{******}} |

| 告警信息 | {{originContent}} |

| 运营负责人 |{{instance|jsonpath:'$.owner[*].name'|unique|join:','}} |

| 持续时长 | {{duration|duration_format:'zh'}} |

| 首次发生时间 | {{startTime|ts2str:'%Y-%m-%d %H:%M'}} |

| 事件详情 | [请点击](http://*****.******.*****/next/events/{{eventId}}/detail) |

| 策略详情 | [请点击](http://*****.******.*****/next/events/alert-rule/alert-rule/{{ruleId}}/edit) |{% if metricName != "主机agent状态" && metricName != "detect_code" && metricName != "detect_time_cost" %}| 采集任务 | [{{collectorJob|showname|default:"请点击"}}](http://*****.******.*****/next/infra-monitor/setting/collection-strategy/{{collectorJob|mvalue:"instanceId"}}/detail) |{% elif metricName == "detect_code" || metricName == "detect_time_cost" %}| 采集任务 | [{{collectorJob|showname|default:"请点击"}}](http://*****.******.*****next/infra-monitor/setting/collection/detect/{{collectorJob|mvalue:"instanceId"}}/detail) |{% endif %}

●告警解除模板：

{{time|ts2str:'%Y-%m-%d %H:%M'}} 告警事件解除</font></h2>

| 事件类型 | SLO事件 |

| --- | --- |

| 告警等级 | {{levelName}} |

| 告警资源 | {{******}} |

| 告警信息 | {{originContent}} |

| 运营负责人 |{{instance|jsonpath:'$.owner[*].name'|unique|join:','}} |

| 持续时长 | {{duration|duration_format:'zh'}} |

| 首次发生时间 | {{startTime|ts2str:'%Y-%m-%d %H:%M'}} |

| 事件详情 | [请点击](http://*****.******.*****/next/events/{{eventId}}/detail) |

| 策略详情 | [请点击](http://*****.******.*****/next/events/alert-rule/alert-rule/{{ruleId}}/edit) |{% if metricName != "主机agent状态" && metricName != "detect_code" && metricName != "detect_time_cost" %}| 采集任务 | [{{collectorJob|showname|default:"请点击"}}](http://*****.******.*****/next/infra-monitor/setting/collection-strategy/{{collectorJob|mvalue:"instanceId"}}/detail) |{% elif metricName == "detect_code" || metricName == "detect_time_cost" %}| 采集任务 | [{{collectorJob|showname|default:"请点击"}}](http://*****.******.*****/next/infra-monitor/setting/collection/detect/{{collectorJob|mvalue:"instanceId"}}/detail) |{% endif %}

保存后即完成了告警规则。

当告警发生时，会发出如下通知：

告警解除后，发出以下通知：

到此为止，主机监控的配置已经完成，此时您的主机已经纳入到监控系统中，通过主机监控，您可以及时掌握主机的状态和性能情况。

并且通过告警和监控dashboard，及早发现并分析潜在问题，提高系统的稳定性和可靠性。