CAT分布式监控系统（一）：CAT功能介绍 CAT监控系统是什么、能做什么？

CAT分布式监控系统（一）：CAT监控系统功能介绍

 

       本文概要：

             1、CAT监控系统是什么。

              2、CAT监控系统能做什么，能监控些什么。

       下面有些截图是CAT 2.0版本的，但和3.0版本没什么区别的。

 

一、 简介

        CAT（Central Application Tracking）是美团开源的基于Java开发的实时分布式应用监控平台，提供了全面的监控服务和业务决策支持。

       CAT监控系统的定位：

cat本质上一个实时监控系统，主要体现在监控报表Transaction、event、problem、heartbeat等，cat系统定制的监控模型以及定制的实时分析报表也是cat系统核心优势。

logview是cat原始的log采集方式，cat的logview使用的技术是threadlocal，将一个thread里面的打点聚合上报，有一点弱化版本的链路功能，但是cat并不是一个标准的全链路系统，全链路系统参考dapper的论文，业内比较知名的鹰眼，zipkin等，其实经常拿cat和这类系统进行比较其实是不合适的。cat的logview在异步线程等等一些场景下，其实不合适，cat本身模型并不适合这个。在美团点评内部，有mtrace专门做全链路分析。

也就是说：CAT定义了一个基本的监控模型，可以用来实时监控，至于要监控些什么可以自己定义，比如要做分布式全链路跟踪监控，可以自己埋点获取监控信息；

怎么埋点也是有参考方案的，下篇博文将会介绍本人重新封装的客户端埋点SDK。

另外，CAT倾向于指标、链路事件监控，不太适用于大量业务日志的场景，因为无法搜索、分析，CAT只看看到最新的样本数据和出问题的数据。大量业务日志的场景应该用ELK。

         github：https://github.com/dianping/cat

         官方DOME：http://unidal.org/cat/r/t?ip=All&queryname=&domain=cat

二、系统/应用状态监控

        接入CAT客户端后，CAT客户端每分钟发送一次自身的状态信息。

        状态信息包括：服务器系统信息、JVM 内存/GC信息、线程信息、CAT监控使用信息等。详情如下图：

        状态信息的原始数据可以查看“Transaction“中的System类型信息，如下图：

        “Heartbeat”实时报表用来展示状态信息，可以看到当前项目下所有的部署机器（支付中心只有一台服务器），如下图：

        配置说明：这个功能无需其他配置，接入就自动上传状态监控信息。

 

三、程序代码运行情况监控

        监控一段代码运行情况：运行时间统计、次数、错误次数等等。如下图：

        上面图一展示的是请求过程中监控的不同代码段类型的执行情况，不同类型表示范围不一样；图二展示方法类型里各方法的执行情况。一次请求过程原始监控数据如下（注意类型和上面图一对应）：

        下面对图中报表进行解释：

                a）Type统计界面

                b）Name统计界面

                c）一个小时内详细指标统计

                        1. Duration Distribution表示transaction的执行时间分布，这个图可以看出，大部分shopcheckin是在16-64毫秒完成，还有很少部分在512-1024毫秒完成。

                        2. HitOverTime、Averager Duration Over Time,Failures Over Time 纵轴都是以5分钟为单位，HitOverTime表示5分钟内的访问次数。

                        3. Averager Duration Over Time表示5分钟内的平均处理时间。

                        4. Failures Over Time表示5分钟内的Transaction失败次数。

 

               配置说明：代码监控需要相关埋点配置，如方法监控可用包路径、或用@CatMethodMonitori注解配置，更多配置详情请参考《项目接入说明》。

四、全链路监控分析

        上面我们也看到了一次请求过程的原始监控信息，包括URL、METHOD的耗时、参数、返回值等，如下：

        其中经历了一次跨服务调用service-ribbon à service-hi（注意：跨服务是图中第二个红框到第三个红框，而第一个红框到第二个红框是穿透Hystrix熔断器异步线程的），耗时图形分析如下：

        “Cross”报表展示了跨服务调用的情况，如下图：

        相关配置：默认开启，暂时支持该功能的通信组件：Spring Cloud Ribbon、Spring Cloud Feign（不兼容Sleuth）、Dubbo RPC，更多详情请参考《项目接入说明》。

五、异常/错误等问题监控

        Problem记录整个项目在运行过程中出现的问题，包括一些错误、访问较长的行为。Problem的类型如下：

        1、“Problem”实时报表介绍

                All的错误界面

                错误一个小时内的实时趋势图

                点击机器IP，进入某一台机器出现的具体问题，这个包括了All中出现的所有错误统计之外，还增加了以分钟和线程为单位的错误分布图，具体如下：

        2、“Problem”历史报表介绍

                1）在选择了特定的域、报表类型、时间和IP之后，点击[:: show ::] 查看某一Type下的Problem出现次数的分布图。(当前这一天、上一天、上周这一天)

                2）进一步，可以查看该Type下，某个Status的Problem出现次数的分布图。(当前这一天、上一天、上周这一天)

        相关配置：URL、方法监控会自动记录异常名称，如果需要集成日志框架（log4j、logback）打印上传错误信息，请参考《项目接入说明》。

六、SQL执行监控

        SQL执行监控可以看到每个DAO方法执行解析的SQL语句、SQL语句执行时长、以及连接到哪个数据库（URL）执行；如果SQL执行出现异常，还会记录异常信息；另外还可以过滤出慢SQL。

        SQL监控执行整体情况如下：

 

       各DAO方法监控如下：

        测试一个方法里执行CURD的“Log View”信息如下：

       SQL类型（insert/select/update/delete）执行情况的统计如下：

        每个数据库执行情况的统计如下：

       另外，还可以在“Problem”标签页面过滤出慢SQL，如下图：

        相关配置：支持Mybatis的SQL监控，需要配置Mybatis监控插件，请参考《项目接入说明》。

七、自定义监控/业务监控

        上面介绍这些功能主要是gc-cat-client SDK中实现的，稍微配置一下就可以使用。

        除此外，还有可以自定义监控以实现业务监控，CAT客户端本身提供了几种监控类型的API， CAT支持的监控消息类型包括：

                1）、Transaction：适合记录跨越系统边界的程序访问行为,比如远程调用，数据库调用，也适合执行时间较长的业务逻辑监控，Transaction用来记录一段代码的执行时间和次数。

                2）、Event：用来记录一件事发生的次数，比如记录系统异常，它和transaction相比缺少了时间的统计，开销比transaction要小。

                3）、Heartbeat：表示程序内定期产生的统计信息, 如CPU%, MEM%, 连接池状态, 系统负载等。

                4）、Metric：用于记录业务指标、指标可能包含对一个指标记录次数、记录平均值、记录总和，业务指标最低统计粒度为1分钟。

                        Metric一共有三个API，分别用来记录次数、平均、总和，统一粒度为一分钟：

                               a).logMetricForCount：用于记录一个指标值出现的次数。

                               b).logMetricForDuration：用于记录一个指标出现的平均值。

                                c).logMetricForSum：用于记录一个指标出现的总和。

        看到这些类型名称，可知我们前面介绍的这些功能也是基于这几种监控消息类型的API实现的。

       一份埋点的样例：

                Transaction：用来记录一段程序响应时间；Even：用来记录一行code的执行次数；Metric：用来记录一个业务指标。这些指标都是独立的，可以单独使用，主要看业务场景。

                下面的埋点代码里面表示需要记录一个页面的响应时间，并且记录一个代码执行次数，以及记录两个业务指标,所有用了一个Transaction，一个Event，两个Metric。Transaction的埋点一定要complete，切记放在finally里面。

               代码中自定义好业务指标监控后，然后运行测试上传一些监控数据，接着到“业务监控配置”页面（http://192.168.1.52:8888/cat/s/config? op=list）配置大盘显示和告警，然后就可以在“Business”而页面看到相关图表，如下：

八、告警设置

        上面业务监控我们也说到业务指标也可以设置告警的，除此外，Transaction/Event/异常/心跳都可以设置告警，如下图所示：

        URL(/hi)执行次数告警测试：

九、其他报表统计

        还有一些全局的报表统计，访问地址（比较隐蔽）：http://192.168.1.52:8888/cat/r/overload

        如“全局统计异常”报表，看到各个项目的异常情况：

        “服务可用排行”报表，看到各服务可用情况：

        “线上容量规划”报表，看到各项目一些资源使用情况：

十、总结

        以上总结了本人发现的且认为比较有用的CAT监控功能，基本能满足大部分监控需求，更多功能有待大家挖掘。

        另外，下篇博文将会介绍本人重新封装的CAT客户端埋点SDK，欢迎提出建议。

 

【参考资料】

1、 CAT相关文档

2、 GitHub - dianping/cat: Central Application Tracking

3、 深度剖析开源分布式监控CAT

4、 大众点评网监控平台剖析

5、 透过CAT，来看分布式实时监控系统的设计与实现

6、 Dapper，大规模分布式系统的跟踪系统 by bigbully