关于zabbix运行期间的断点问题

           今天看到zabbix发送screen的邮件显示所有服务器system的图表出现了一部分的断点，主要时间集中在4：30--4：50之间以下是截取的zabbix日志：

貌似提示连接被中断

 3645:20160426:042119.190 active check configuration update from [192.168.1.2:10051] started to fail (ZBX_TCP_READ()    failed: [4] Interrupted system call)
  3645:20160426:042449.553 active check configuration update from [192.168.1.2:10051] is working again
  3645:20160426:043530.696 active check configuration update from [192.168.1.2:10051] started to fail (ZBX_TCP_READ() failed: [4] Interrupted system call)
  3645:20160426:043638.308 active check configuration update from [192.168.1.2:10051] is working again
  3645:20160426:044516.175 active check configuration update from [192.168.1.2:10051] started to fail (ZBX_TCP_READ() failed: [4] Interrupted system call)
  3645:20160426:045015.405 active check configuration update from [192.168.1.2:10051] is working again

可能出现的原因

1.

同时这种问题也有可能是zabbix-server监控的主机太多了，并且监控方式为被动

当主机数量过多的时候，由Server端去收集数据，Zabbix会出现严重的性能问题，主要表现如下：

1、Web操作很卡，容易出现502

2、图层断裂

3、开启的进程（Pollar）太多，即使减少item数量，以后加入一定量的机器也会有问题

所以下面主要往两个优化方向考虑：

1、用Proxy或者Node模式做分布式监控

2、调整Agentd为主动模式

由于第一个方案需要增加物理机器，所以先尝试第二方案

一、Agentd的配置调整：

LogFile=/tmp/zabbix_agentd.log
Server=14.18.xxx.xxx
ServerActive=14.18.xxx.xx
Hostname=119.146.xxx.xx
RefreshActiveChecks=60
BufferSize=10000
MaxLinesPerSecond=200
Timeout=30

比较重要的参数是ServerActive和Hostname，ServerActive是指定Agentd收集的数据往哪里发送，Hostname是必须要和Server端添加主机时的主机名对应起来，这样Server端接收到数据才能找到对应关系，我这里为了兼容被动模式，没有把StartAgents设为0，如果一开始就是使用主动模式的话建议把StartAgents设为0，关闭被动模式

二、Server的配置调整：

StartPollers=100

首先把这个主动收集数据进程减少，原来开到700多

StartTrappers=200

然后把这个负责处理Agentd推送过来的数据的进程开大一些，就可以了

三、调整模板

建议完整克隆一个Template OS Linux 模板来改，需要调整的地方就是：

把所有的item的类型由原来的“zabbix代理”改成“zabbix端点代理程序（主动式）”

只需要简单的几步，就完成了主动模式的切换，调整之后服务器不卡了，图层不裂了，进程也少了。

2。主动模式跟被动模式模糊

  玩过zabbix的童鞋都知道在关于zabbix_agent客户端监控主要有俩种模式，一种是主动模式，一种是被动模式。

主动模式：zabbix_agent主动收集主机上面的信息，将它提交给server端

被动模式：zabbix_server主动去zabbix_agent上面抓取数据信息

    今天中午我们公司的agent.ping这个监控项发生报警，在这个监控项我们采用的是zabbix_agent(active)模式，即由客户端自己收集数据发送给server端，因为之前我们一直是zabbix_agent的模式，中午将它更改未主动模式，结果就有20多台服务器报警zabbix agent on #### unreachable for 5 minute，当看到这个信息之后，我立马就去观察zabbix_agent端的日志，在日志中全部显示的是

1800:20150902:191605.465 active check configuration update from [:10051] started to fail (cannot connect to [[10.10.251.5]:10051]: [0x0000274D] 由于目标计算机积极拒绝，无法连接。)

1800:20150902:192312.403 active check configuration update from [:10051] is working again
1800:20150907:111627.125 active check configuration update from [:10051] started to fail (cannot connect to [[10.10.251.5]:10051]: [0x0000274D] 由于目标计算机积极拒绝，无法连接。)
1800:20150907:120350.378 active check configuration update from [:10051] is working again
1800:20150909:094456.703 active check configuration update from [:10051] started to fail (ZBX_TCP_READ() failed: [0x0000274C] 由于连接方在一段时间后没有正确答复或连接的主机没有反应，连接尝试失败。)
1800:20150909:094717.398 active check configuration update from [:10051] is working again

    全部是如上的这种错误，但是打开任意一台主机的图形数据，发现图形数据还是连续的，并没有出现昨天的那种产生图形中断的情况，就在这个时候我想到在百度上面开启zabbix_agent(active)模式，上面特意强调了俩个参数，一个是ServerActive和Hostname这俩个参数，ServerActive这个参数指的是客户端将自己收集到的数据发送给谁，Hostname则是显示这个数据是由谁发送的。然后我就随意打开几台主机，果然发现它们的配置文件里面Hostname这个参数未空，并且在zabbix WEB界面上的Hostname填写的都是主机的主机名，然后我把配置文件里面的Hostname和WEB界面端的Hostname全部更改未主机的IP，过了一段时间之后，报警就消失了。

    最后我总结了一下，在zabbix添加和安装的时候就有强调web界面和配置文件中Hostname主机名必须保持一致，否则zabbix WEB界面有可能接收不到数据，估计当初zabbix的添加人员或许注意到了这个问题，但是由于使用的是zabbix_agent模式，再加上zabbix并没有产生报警，所以将这个问题给忽视不计了，结果等到我们由于zabbix压力增大进行优化之后才会导致这种事情发生。