一、监控思考
网站可用性：在软件系统的高可靠性（也称为可用性，英文描述为HA，High Available）里有个衡量其可靠性的标准——X个9，这个X是代表数字3~5。X个9表示在软件系统1年时间的使用过程中，系统可以正常使用时间与总时间（1年）之比，我们通过下面的计算来感受下X个9在不同级别的可靠性差异。
1个9：(1-90%)*365=36.5天，表示该软件系统在连续运行1年时间里最多可能的业务中断时间是36.5天
2个9：(1-99%)*365=3.65天，表示该软件系统在连续运行1年时间里最多可能的业务中断时间是3.65天
3个9：(1-99.9%)*365*24=8.76小时，表示该软件系统在连续运行1年时间里最多可能的业务中断时间是8.76小时。
4个9：(1-99.99%)*365*24=0.876小时=52.6分钟，表示该软件系统在连续运行1年时间里最多可能的业务中断时间是52.6分钟。
5个9：(1-99.999%)*365*24*60=5.26分钟，表示该软件系统在连续运行1年时间里最多可能的业务中断时间是5.26分钟。
6个9：(1-99.9999%)*365*24*60*60=31秒，表示该软件系统在连续运行1年时间里最多可能的业务中断时间是31秒
监控范畴：监控一切需要监控的东西，只要能够想到，能够用命令实现的都能用来监控
监控只能让维护人员查看到主机的状态么?
答: 实时收集数据，通过报警及时发现问题，及时处理，所获取的数据也可以为系统优化提供依据。
监控四要素
如果我想让你监控一个人 你最想知道的是什么?
1、监控谁 监控什么
2、什么时候监控 你现在就去 全天跟着 还是看十分钟就回来? 也就是说是一次性的还是循环的?
3、有问题如何汇报? 管理员还是其他用户
4、监控方法 明着跟着 还是暗地跟着
监控一个设备也是这样的
- 监控对象 [主机状态 服务 资源 页面，url]
- 用什么监控 [zabbix-server zabbix-agent]
- 什么时间监控 [7x24 5x8]
- 报警给谁 [管理员]
二、主流的开源监控平台分析
- mrtg (Multi Router Traffic Grapher)通过snmp协议得到设备的流量信息，并以包含PNG格式的图形的HTML页面方式显示给用户。
- cacti (仙人掌) 用php语言实现的一个软件，它的主要功能是用snmp服务获取数据，然后用rrdtool储存和更新数据。现在主要在IDC机房使用，主要用在监控网卡以及交换机路由器的端口，由于出图慢，默认5分钟更新一次（最快可以调成一分钟），而现在很多领域都要求实时的，这个时间就显得有些长，又很难自定义监控，所以很少用它监控除了交换机路由器以外的设备
官网地址: https://www.cacti.net/
- ntop 官网地址: https://www.ntop.org/
- nagios 能够跨平台,插件多(监控的东西多),可以自定义–灵活，报警功能强大。或者说nagios就是一个平台，这个平台依靠插件来工作，想要什么样的插件可以用任意语言 自己写，但是由于机器数量越来越多，并且还要求地域性容灾，所以服务器都存放在不同的机房里面，这个时候nagios的不能分布式监控的缺陷就显现出来了。如果想监控这些服务器，就需要在每一个机房都部署一台nagios，然后分别去登录这些服务器查看。
官网地址: https://www.nagios.org/
- centreon 底层使用的就是nagios。是一个nagios整合版软件。界面比nagios要好看很多。
官网地址: https://www.centreon.com/
- ganglia 设计用于测量数以千计的节点,资源消耗非常小。 官网地址: http://ganglia.info/
- open-falcon 小米发布的运维监控软件，高效率，高可用。时间较短，用户基数小。 官网地址: http://open-falcon.org/
- zabbix 跨平台，支持分布式，可以集中管理，可以画图，能够持久化保存数据，多条件告警，多种API接口，扩展性非常强。使用基数特别大，阿里云使用的就是zabbix。 官网地址: https://www.zabbix.com/
- prometheus 是一个基于时间序列的数值数据的容器监控解决方案。 官网地址: https://prometheus.io/
综合分析：zabbix比较适合公司的监控需求，主要特点如下：
1、丰富的模板
2、可以自定义监控项
3、完善的告警机制
4、适合分布式监控
5、集中管理系统
6、开源、免费系统