架构运维-监控设计

监控内容

• 网络数据，针对接入层的监控。
• 服务器数据，包括服务器的 CPU、内存、硬盘、连接数的各项使用数据。
• 应用数据。应用数据是这三者中最难的，但也是最重要的。应用数据是和业务逻辑紧密相关的数据，业务逻辑变了，应用数据的收集也会变化。
• 性能监控，根据日志监控接口的流量、超时率、错误率等
• 安全监控，通过实时监控网络或主机活动，分析用户和系统的行为，识别攻击行为，对异常行为进行统计和跟踪。

通知机制

• 运维平台监控报警服务需要支持可配置的短信、电话、微信群报警。
• 通知的内容尽可能简要清晰，能够快速识别异常。（报警邮件中异常需要单独列出 不能混在输入输出信息中）

监控规则：

• 业务监控，匹配正常业务返回的状态码。
• 定义异常Code码，针对异常Code进行监控。
• 可以支持使用脚本编写复杂监控规则。
• 可以提供基于线上实时日志的监控支持。
• 第三方接口都需要添加监控。

报警规则

• 报警级别划分为告知、异常、事故三个等级，且对于业务监控，业务可以根据需求进行配置。
• 事故级别的报警，白天晚上都必须打电话通知。
• 异常级别的报警，白天打电话，晚上可以发一封邮件、短信先通知问题。
• 告知级别的报警：可以只发一封邮件。
• 报警抑制：第一次异常报警之后，抑制一段时间（比如5分钟）再发送报警通告，以防止报警轰炸。
• 触发机制：业务侧可以自己定义，比如连续5次发生异常才报警；连续5次告知可以升级为异常，连续5次异常可以升级为事故

数据存储和展现

• 将历史的监控报警数据存储下来，并通过图表在运维平台上展现，以便于后续的数据分析和报警规则的优化。