前言
監控系統，是通過持續信息采集、收斂、分析來發現問題，并對解決問題提供數據依賴的一種科學技術。通過監控技術可以實現對故障進行 “事前預警，事后追蹤”。
監控，是運維工作中的重要技術，如果沒有監控，運維人員就相當于盲人摸象，發現問題會變得很被動；監控也是整個產品生命周期中最重要的一環，如果沒有監控，產品中存在的問題就只能等用戶反饋（客訴），嚴重降低用戶體驗。
目前，互聯網行業的監控技術已經很成熟，業界有很多不錯的開源產品可供選擇，運維在開展監控工作時，選擇一款開源監控系統，是一個省時省力，效率最高的方案。
監控目的
監控的目的是通過采集準確的監控指標、配置合理的告警機制，提前或者盡早發現問題，并做出響應、解決問題，進而保證產品的穩定性，提升用戶體驗。
具體可分為以下幾方面：
- 對系統持續實時監控：指硬件系統，如服務器、路由器、交換機等；
- 對應用持續實時監控：指業務運行依賴的基礎服務，如數據庫、中間件等；
- 對業務持續實時監控：指產品運行情況，如狀態碼、接口響應時間、異常信息等。
監控方法
在了監控的重要性及監控目的之后，我們來聊聊到底如何做監控。
- 確定監控對象：明確是系統監控，還是應用監控，或者是業務監控；
- 確定監控指標：確定監控對象之后，需要明確具體監控指標，如果監控對象為服務器，那么監控指標有CPU、磁盤、內存等；
- 確定告警格式：監控的目的之一就是發出告警，所以，告警信息的格式要做到統一、簡潔明了；
- 確定告警閾值：泛濫的告警就像”狼來了“，所以要設定合理的閾值，確保告警準確、有效；
- 確定負責人：確定監控指標后，明確告警負責人，可以讓運維或測試人員更快的將事件分發到具體的業務負責人，以提升故障處理效率，同時降低對其他人的打擾；
- 確定事件處理流程：對于告警，“事事有回音，件件有著落” 很重要，讓每個事件構成一個閉環。
監控指標
監控指標是立足于監控對象至上的，如何確定監控指標？
監控指標，即監控對象相關的關鍵性指標。
那么，哪些算是關鍵性指標呢？
這個仁者見仁智者見智，在我看來，對服務穩定運行帶來嚴重影響的才算關鍵指標。
那么，怎么算嚴重影響呢？
這個問題可以通過用戶體驗來反推，哪些問題能帶來用戶體驗的不適？比如，請求響應慢、請求錯誤、請求報異常等等。
在我看來，站在用戶體驗的角度來反推監控指標是一個不錯的辦法。
常規監控指標
以下監控指標僅供參考。
監控對象監控指標硬件CPU溫度、主板溫度、物理磁盤、磁盤陣列等系統CPU負載、磁盤使用率、內存使用率、網絡帶寬等應用狀態（端口）、進程、應用內部指標（如MySQL、redis連接數、內存使用）等業務API、狀態碼、QPS等日志訪問日志、錯誤日志、運行日志、網絡日志等
監控工具
確定監控指標后，遍可以奔著高效、可用的原則來選擇監控工具了。
目前業界監控工具很多，常用的開源監控工具：Zabbix、Open-falcon、Prometheus、Grafana（圖）等。
相關的文章太多了，在此不做贅述，想要學習推薦官方網站。
監控方案
了解了監控指標、監控工具之后，接下來就需要確定一個合理、可行的監控方案了。如何確定監控方案？
- 首先，要了解公司的技術棧；
- 然后，對涉及到的各種組件進行全面了解；
- 其次，確定詳細的監控指標，目前各種應用的官網基本都有提供監控相關的metrics；
- 最后，選定適應當前需求的監控工具、圖形展示、告警方式等等。
總結
監控系統不可能做的盡善盡美，真正想把監控做的盡量完善，依靠開源軟件都很難滿足。有條件的公司會根據自己的業務需求開發自己的監控系統，如小米的Open-falcon。
原文：https://my.oschina.net/adailinux/blog/3158941
