Linux监控软件之 Nagios
一、简介
Nagios是一款开源的电脑系统和网络监视工具，能有效监控Windows、Linux和Unix的主机状态，交换机路由器等网络设置，打印机等。在系统或服务状态异常时发出邮件或短信报警第一时间通知网站运维人员，在状态恢复后发出正常的邮件或短信通知。
Nagios原名为NetSaint，由Ethan Galstad开发并维护至今。NAGIOS是一个缩写形式: "Nagios Ain't Gonna Insist On Sainthood" Sainthood 翻译为圣徒，而"Agios"是"saint"的希腊表示方法。Nagios被开发在Linux下使用，但在Unix下也工作得非常好。
主要功能
1）网络服务监控（SMTP、POP3、HTTP、NNTP、ICMP、SNMP、FTP、SSH）
2）主机资源监控（CPU load、disk usage、system logs），也包括Windows主机（使用NSClient++ plugin）
3）可以指定自己编写的Plugin通过网络收集数据来监控任何情况（温度、警告……）
4）可以通过配置Nagios远程执行插件远程执行脚本
5）远程监控支持SSH或SSL加通道方式进行监控
6）简单的plugin设计允许用户很容易的开发自己需要的检查服务，支持很多开发语言（shell scripts、C++、Perl、ruby、Python、PHP、C#等）
7）包含很多图形化数据Plugins（Nagiosgraph、Nagiosgrapher、PNP4Nagios等）
8）可并行服务检查
9）能够定义网络主机的层次，允许逐级检查，就是从父主机开始向下检查
10）当服务或主机出现问题时发出通告，可通过email, pager, sms 或任意用户自定义的plugin进行通知
11）能够自定义事件处理机制重新激活出问题的服务或主机
12）自动日志循环
13）支持冗余监控
14）包括Web界面可以查看当前网络状态，通知，问题历史，日志文件等
二、工作原理
Nagios的功能是监控服务和主机，但是他自身并不包括这部分功能，所有的监控、检测功能都是通过各种插件来完成的。
启动Nagios后，它会周期性的自动调用插件去检测服务器状态，同时Nagios会维持一个队列，所有插件返回来的状态信息都进入队列，Nagios每次都从队首开始读取信息，并进行处理后，把状态结果通过web显示出来。
Nagios提供了许多插件，利用这些插件可以方便的监控很多服务状态。安装完成后，在nagios主目录下的/libexec里放有nagios自带的可以使用的所有插件，如，check_disk是检查磁盘空间的插件，check_load是检查CPU负载的，等等。每一个插件可以通过运行./check_xxx �Ch 来查看其使用方法和功能。
Nagios可以识别4种状态返回信息，即 0(OK)表示状态正常/绿色、1(WARNING)表示出现警告/***、2(CRITICAL)表示出现非常严重的错误/红色、3(UNKNOWN)表示未知错误/深***。Nagios根据插件返回来的值，来判断监控对象的状态，并通过web显示出来，以供管理员及时发现故障。
四种监控状态
再说报警功能，如果监控系统发现问题不能报警那就没有意义了，所以报警也是nagios很重要的功能之一。但是，同样的，Nagios 自身也没有报警部分的代码，甚至没有插件，而是交给用户或者其他相关开源项目组去完成的。
Nagios 安装，是指基本平台，也就是Nagios软件包的安装。它是监控体系的框架，也是所有监控的基础。
打开Nagios官方的文档，会发现Nagios基本上没有什么依赖包，只要求系统是Linux或者其他Nagios支持的系统。不过如果你没有安装apache（http服务），那么你就没有那么直观的界面来查看监控信息了，所以apache姑且算是一个前提条件。关于apache的安装，网上有很多，照着安装就是了。安装之后要检查一下是否可以正常工作。
知道Nagios 是如何通过插件来管理服务器对象后，现在开始研究它是如何管理远端服务器对象的。Nagios 系统提供了一个插件NRPE。Nagios 通过周期性的运行它来获得远端服务器的各种状态信息。它们之间的关系如下图所示：
Nagios 通过NRPE 来远端管理服务
1）Nagios 执行安装在它里面的check_nrpe 插件，并告诉check_nrpe 去检测哪些服务。
2）通过SSL，check_nrpe 连接远端机子上的NRPE daemon
3）NRPE 运行本地的各种插件去检测本地的服务和状态(check_disk,..etc)
4）最后，NRPE 把检测的结果传给主机端的check_nrpe，check_nrpe 再把结果送到Nagios状态队列中。
5）Nagios 依次读取队列中的信息，再把结果显示出来。
三、环境说明
| Host Name | IP | Software |
| server | 192.168.0.113 | Apache、Php、Nagios、nagios-plugins |
| client | 192.168.0.112 | nagios-plugins、nrpe |
Server 安装了nagios软件，对监控的数据做处理，并且提供web界面查看和管理。当然也可以对本机自身的信息进行监控。
Client 安装了NRPE等客户端，根据监控机的请求执行监控，然后将结果回传给监控机。
关闭防火墙
iptables -F
SELINUX=disabled
四、Nagios安装
1、服务端
1）安装epel的扩展源
Centos6默认的yum源里没有nagios相关的rpm包，但是我们可以安装一个epel的扩展源：
[root@server ~]# yum install -y epel-release
2）安装httpd、php、nagios相关包
yum install -y httpd php php-mysql mysql mysql-server mysql-devel php-gd nagios nagios-plugins nagios-plugins-all nrpe nagios-plugins-nrpe libjpeg libjpeg-devel libpng libpng-devel
注：这里虽然用不上mysql，但是php可能会依赖mysql，所以一并安装上，或许以后要用mysql呢。
3）设置登录nagios后台的用户和密码
[root@server ~]# htpasswd -c /etc/nagios/passwd nagiosadmin
password
4）启动服务
[root@server ~]# service httpd start
[root@server ~]# service nagios start
5）访问nagios主页
浏览器输入： http://192.168.0.113/nagios
输入用户名 nagiosadmin，密码为刚刚设置的密码。
此时，nagios 监控的只有 localhost，还没有其他机器，要想添加监控客户机，还需要在客户端安装 nagios 相关的软件包，并且需要在服务端配置。
2、客户端
1）安装epel源
[root@client ~]# yum install -y epel-release
2）安装Nagios插件
[root@client ~]# yum install -y nagios-plugins nagios-plugins-all nrpe nagios-plugins-nrpe
五、配置
1、客户端配置
1）编辑nrpe.cfg配置文件
[root@client ~]# vim /etc/nagios/nrpe.cfg
找到："allowed_hosts=127.0.0.1"
改为："allowed_hosts=127.0.0.1,192.168.0.113" //后面跟服务端 ip
找到："dont_blame_nrpe=0"
改为："dont_blame_nrpe=1"
2）启动nrpe服务
[root@client ~]# /etc/init.d/nrpe start
2、服务端配置
1）编辑配置文件
[root@server ~]# cd /etc/nagios/conf.d/
[root@server conf.d]# vim 192.168.0.112.cfg //这里我以客户端ip为命名，加入如下配置
define host{
use linux-server
host_name 192.168.0.112
alias 0.112
address 192.168.0.112
}
define service{
use generic-service
host_name 192.168.0.112
service_description check_ping
check_command check_ping!100.0,20%!200.0,50%
max_check_attempts 5
normal_check_interval 1
}
define service{
use generic-service
host_name 192.168.0.112
service_description check_ssh
check_command check_ssh
max_check_attempts 5
normal_check_interval 1
notification_interval 60
}
define service{
use generic-service
host_name 192.168.0.112
service_description check_http
check_command check_http
max_check_attempts 5
normal_check_interval 1
}
说明
"max_check_attempts 5" 表示当 nagios 检测到问题时，一共尝试检测 5 次都有问题才会告警，如果该数值为 1，那么检测到问题立即告警。
"normal_check_interval 1" 表示重新检测的时间间隔，单位是分钟，默认是 3分钟。
"notification_interval 60" 表示在服务出现异常后，故障一直没有解决，nagios 再次对使用者发出通知的时间，单位是分钟。如果你认为，所有的事件只需要通知一次就够了，则把这里的选项设为 0。
以上服务不依赖于客户端 nrpe 服务，我们可以想象，我们在自己电脑上可以使用 ping或者 telnet 探测远程任何一台机器是否存活、是否开启某个端口或服务。 而当我们想要检测客户端上的某个具体服务的情况时，就需要借助于 nrpe 了，比如想知道客户端机器的负责或磁盘使用情况。
2）重启 nagios 服务
[root@server conf.d]# nagios -v /etc/nagios/nagios.cfg //先检测配置文件是否有错误
[root@server conf.d]# service nagios restart
然后在浏览器里访问 nagios，刷新会儿发现多出来一台主机，并且多出来三个服务。
只不过这三个服务不需要和客户端进行通信就能获取到。并不是我们想要的，我们想要监控系统负载，监控磁盘使用率等服务，这时候就要使用 nrpe 服务了。下面继续添加服务。
3、添加其他服务
1）服务端编辑commands.cfg配置文件
[root@server ~]# vim /etc/nagios/objects/commands.cfg //末尾添加如下内容
define command{
command_name check_nrpe
command_line $USER1$/check_nrpe -H $HOSTADDRESS$ -c $ARG1$
}
2）继续在服务端编辑配置文件
[root@server ~]# vim /etc/nagios/conf.d/192.168.0.112.cfg //添加如下内容
define service{
use generic-service
host_name 192.168.0.112
service_description check_load
check_command check_nrpe!check_load
max_check_attempts 5
normal_check_interval 1
}
define service{
use generic-service
host_name 192.168.0.112
service_description check_disk_sda1
check_command check_nrpe!check_sda1
max_check_attempts 5
normal_check_interval 1
}
说明
"check_nrpe!check_load"这里的 check_nrpe 就是在 commands.cfg 刚刚定义的，check_load 是客户主机上检测负载的脚本。
"check_sda1" 是客户主机上检测磁盘的脚本，我们可以在客户端通过df -h命令来查看有哪些磁盘。
下面我们接着编辑客户端配置文件
3）在客户端上编辑 nrpe.cfg 配置文件
[root@client ~]# vim /etc/nagios/nrpe.cfg
找到check_load，这行就是在服务端上要执行的脚本了。然后把下行的check_hda1 更改两处：
"command[check_hda1] " 改为 "command[check_sda1]"
"/dev/hda1" 改为 " /dev/sda1"
注意：后面定义的参数-w为 waning状态，-c 为 critical状态 。
4）重启服务
客户端重启 nrpe 服务
[root@client ~]# service nrpe restart
服务端重启 nagios 服务
[root@server ~]# nagios -v /etc/nagios/nagios.cfg //检测配置文件
[root@server ~]# service nagios restart
此时再到浏览器刷新， 会看到又多出来两个服务， 稍微等一会就可以查看到具体的状态了。
六、Nagios配置邮件告警
目前 nagios 只能在浏览器上查看各个机器各个服务的状态，当某个机器宕掉或者某个服务宕掉时，我们是不知道，因为我们不可能一直盯着服务看。这时候，就需要用到告警系统了，让它自动化，当发现问题时及时通知到我们。下面我们配置使用发邮件的方式来实现告警。
以下所有操作都在服务端上完成。
1）首先定义发邮件接收者
[root@server ~]# vim /etc/nagios/objects/contacts.cfg //末尾添加如下内容
define contact{
contact_name user1
use generic-contact
alias aaa
email [email protected]
}
define contact{
contact_name user2
use generic-contact
alias bbb
email [email protected]
}
define contactgroup{
contactgroup_name common
alias common
members user1, user2
}
说明
contacts.cfg 里面既可以定义 user，也可以定义 group， 先定义两个 user： user2 和 user2，然后把这两个 user 加入到 common 组里面。等会发邮件就发给 common 组就可以了，那这样 [email protected] 和 [email protected] 都会收到邮件。
2）然后在要需要告警的服务里面加上 contactgroup
下面针对 check_load 服务增加告警相关的配置：
[root@server ~]# vim /etc/nagios/conf.d/192.168.0.112.cfg //增加标红处
define service{
use generic-service
host_name 192.168.0.112
service_description check_load
check_command check_nrpe!check_load
max_check_attempts 5
normal_check_interval 1
contact_groups common
notifications_enabled 1
notification_period 24x7
notification_options w,u,c,r
}
说明
notifications_enabled 1：表示是否开启提醒功能。1 为开启，0 为禁用。一般，这个选项会在主配置文件（nagios.cfg）中定义，效果相同。
notification_period 24x7：表示发送提醒的时间段。非常重要的主机（服务）我定义为 7×24，一般的主机（服务）就定义为上班时间。如果不在定义的时间段内，无论什么问题发生，都不会发送提醒。
notification_options w,u,c,r：表示 service 的状态。w 为 waning， u 为 unknown, c 为 critical, r
为 recover(恢复了），类似的还有一个 host 对应的状态：d,u,r d 状态为 DOWN, u 状态为UNREACHABLE , r 状态恢复为 OK，需要加入到 host 的定义配置里。
3）编辑完配置文件后，需要重启 nagios 服务
[root@server ~]# nagios -v /etc/nagios/nagios.cfg
[root@server ~]# service nagios restart
拓展文档
编译安装：http://www.cnblogs.com/mchina/archive/2013/02/20/2883404.html
调用短信接口：http://www.aminglinux.com/bbs/thread-7380-1-1.html
整合微信：http://www.aminglinux.com/bbs/thread-7917-1-1.html