Linux运维基础采集项
做运维,不怕出问题,怕的是出了问题,抓不到现场,两眼摸黑。所以,依靠强大的监控系统,收集尽可能多的指标,意义重大。但哪些指标才是有意义的呢,本着从实践中来的思想,各位工程师在长期摸爬滚打中总结出来的经验最有价值。
在各位运维工程师长期的工作实践中,我们总结了在系统运维过程中,经常会参考的一些指标,主要包括以下几个类别:
CPU
Load
内存
磁盘
IO
网络相关
内核参数
ss 统计输出
端口采集
核心服务的进程存活信息采集
关键业务进程资源消耗
NTP offset采集
DNS解析采集
每个类别,具体的详细指标如下,这些指标,都是open-falcon的agent组件直接支持的。falcon-agent每隔一定时间间隔(目前是60秒)会采集一次相关的指标,并汇报给server端。
CPU相关采集项
计算方法:通过采集/proc/stat来得到,大家可以参考sar命令的统计输出来理解。
cpu.idle:Percentage of time that the CPU or CPUs were idle and the system did not have an outstanding disk I/O request.
cpu.busy:与cpu.idle相对,他的值等于100减去cpu.idle。
cpu.guest:Percentage of time spent by the CPU or CPUs to run a virtual processor.
cpu.iowait:Percentage of time that the CPU or CPUs were idle during which the system had an outstanding disk I/O request.
cpu.irq:Percentage of time spent by the CPU or CPUs to service hardware interrupts.
cpu.softirq:Percentage of time spent by the CPU or CPUs to service software interrupts.
cpu.nice:Percentage of CPU utilization that occurred while executing at the user level with nice priority.
cpu.steal:Percentage of time spent in involuntary wait by the virtual CPU or CPUs while the hypervisor was servicing another virtual processor.
cpu.system:Percentage of CPU utilization that occurred while executing at the system level (kernel).
cpu.user:Percentage of CPU utilization that occurred while executing at the user level (application).
cpu.cnt:cpu核数。
cpu.switches:cpu上下文切换次数,计数器类型。
磁盘相关采集项
计算方法:先读取/proc/mounts拿到所有挂载点,然后通过syscall.Statfs_t拿到blocks和inode的使用情况。每个metric都会附加一组tag描述,类似mount=
fstype,其中
fstype是文件系统,比如ext4。
df.bytes.free:磁盘可用量,int64
df.bytes.free.percent:磁盘可用量占总量的百分比,float64,比如32.1
df.bytes.total:磁盘总大小,int64
df.bytes.used:磁盘已用大小,int64
df.bytes.used.percent:磁盘已用大小占总量的百分比,float64
df.inodes.total:inode总数,int64
df.inodes.free:可用inode数目,int64
df.inodes.free.percent:可用inode占比,float64
df.inodes.used:已用的inode数据,int64
df.inodes.used.percent:已用inode占比,float64
megacli工具输出
使用 megacli 工具读取 RAID 相关信息,每个metric都会附件一组tag描述,用来标明所属PD或者 VD,PD格式为PD=Enclosure_ID:SLOT_ID,比如PD=32:0表明第一块磁盘 ,VD=0 表明第一个逻辑磁盘。
sys.disk.lsiraid.pd.Media_Error_Count:这个及以下三个指标目前仅作为数据收集,不一定意味磁盘损坏(只是表示损坏概率变大)
sys.disk.lsiraid.pd.Other_Error_Count
sys.disk.lsiraid.pd.Predictive_Failure_Count
sys.disk.lsiraid.pd.Drive_Temperature
sys.disk.lsiraid.pd.Firmware_state:如果值不为0,则此物理磁盘出现问题
sys.disk.lsiraid.vd.cache_policy:如果值不为0,表示此逻辑磁盘缓存策略和设置不符
sys.disk.lsiraid.vd.state:如果值不为0,表示此逻辑磁盘出现问题
SMART工具输出
使用 smartctl 工具读取磁盘 SMART 信息,目前所有指标仅作为数据收集,不一定意味磁盘损坏(只是表示概率变大),每个metric都会有一组tag描述,表明盘符,例如device=/dev/sda。
sys.disk.smart.Reallocated_Sector_Ct
sys.disk.smart.Spin_Retry_Count
sys.disk.smart.Reallocated_Event_Count
sys.disk.smart.Current_Pending_Sector
sys.disk.smart.Offline_Uncorrectable
sys.disk.smart.Temperature_Celsius
分区读写监控
测试所有已挂载分区是否可读写,每个metric都会有一组tag描述,表示挂载点,比如mount=/home
sys.disk.rw:如果值不为0,表明此分区读写出现问题
IO相关采集项
计算方法:每秒采集一次/proc/diskstats,计算差值,都是计数器类型的。每个metric都会有一组tag描述,形如device=$device,用来表示具体的设备,比如sda1、sdb。用户可以参考iostat的帮助文档来理解具体的metric含义。
disk.io.ios_in_progress:Number of actual I/O requests currently in flight.
disk.io.msec_read:Total number of ms spent by all reads.
disk.io.msec_total:Amount of time during which ios_in_progress >= 1.
disk.io.msec_weighted_total:Measure of recent I/O completion time and backlog.
disk.io.msec_write:Total number of ms spent by all writes.
disk.io.read_merged:Adjacent read requests merged in a single req.
disk.io.read_requests:Total number of reads completed successfully.
disk.io.read_sectors:Total number of sectors read successfully.
disk.io.write_merged:Adjacent write requests merged in a single req.
disk.io.write_requests:total number of writes completed successfully.
disk.io.write_sectors:total number of sectors written successfully.
disk.io.read_bytes:单位是byte的数字
disk.io.write_bytes:单位是byte的数字
disk.io.avgrq_sz:下面几个值就是iostat -x 1看到的值
disk.io.avgqu-sz
disk.io.await
disk.io.svctm
disk.io.util:是个百分数,比如56.43,表示56.43%
机器负载相关采集项
计算方法:读取/proc/loadavg,都是原始值类型的:
load.1min
load.5min
load.15min
内存相关采集项
计算方法:读取/proc/meminfo 中的内容,其中的mem.memfree是free+buffers+cached,mem.memused=mem.memtotal-mem.memfree。用户具体可以参考free命令的输出和帮助文档来理解每个metric的含义。
mem.memtotal:内存总大小
mem.memused:使用了多少内存
mem.memused.percent:使用的内存占比
mem.memfree
mem.memfree.percent
mem.swaptotal:swap总大小
mem.swapused:使用了多少swap
mem.swapused.percent:使用的swap的占比
mem.swapfree
mem.swapfree.percent
网络相关采集项
计算方法:读取/proc/net/dev的内容,每个metric都附加有一组tag,形如iface=$iface,标明具体那个interface,比如eth0。metric中带有in的表示流入情况,out表示流出情况,total是总量in+out,支持的metric如下:
net.if.in.bytes
net.if.in.compressed
net.if.in.dropped
net.if.in.errors
net.if.in.fifo.errs
net.if.in.frame.errs
net.if.in.multicast
net.if.in.packets
net.if.out.bytes
net.if.out.carrier.errs
net.if.out.collisions
net.if.out.compressed
net.if.out.dropped
net.if.out.errors
net.if.out.fifo.errs
net.if.out.packets
net.if.total.bytes
net.if.total.dropped
net.if.total.errors
net.if.total.packets
端口采集项
计算方法,通过ss -ln,来判断指定的端口是否处于listen状态。原始值类型,值要么是1:代表在监听,要么是0,代表没有在监听。每个metric都附件一组tag,形如port=port,port就是具体的端口。
net.port.listen
机器内核配置
kernel.maxfiles:读取的/proc/sys/fs/file-max
kernel.files.allocated:读取的/proc/sys/fs/file-nr第一个Field
kernel.files.left:值=kernel.maxfiles-kernel.files.allocated
kernel.maxproc:读取的/proc/sys/kernel/pid_max
ntp采集项
使用 ntpq -pn 获取本机时间相对于 ntp 服务器的 offset。
sys.ntp.offset:本机偏移时间,单位为ms,值过大或者为0则表明有异常,需要报警
进程监控
proc.num:判断某个进程的数目,这里需要分两个场景,一种是根据进程的名字来判定,比如name=sshd;另外一种是根据cmdline来判定,比如Java的应用进程名可能都是java,根据第一种情况没法做区分,此时可以配置cmdline,如cmdline=./falcon_agent-c./cfg.ini
进程资源监控
process.cpu.all:进程和它的子进程使用的sys+user的cpu,单位是jiffies
process.cpu.sys:进程和它的子进程使用的sys cpu,单位是jiffies
process.cpu.user:进程和它的子进程使用的user cpu,单位是jiffies
process.swap:进程和它的子进程使用的swap,单位是page
process.fd:进程使用的文件描述符个数
process.mem:进程占用内存,单位byte
ss命令输出
ss.orphaned
ss.closed
ss.timewait
ss.slabinfo.timewait
ss.synrecv
ss.estab
推荐本站淘宝优惠价购买喜欢的宝贝:
本文链接:https://www.hqyman.cn/post/7944.html 非本站原创文章欢迎转载,原创文章需保留本站地址!
休息一下~~