zookeeper监控告警
一、ZooKeeper简介
ZooKeeper作为分布式系统中重要的组件，目前在业界使用越来越广泛，ZooKeeper的使用场景非常多，以下是几种典型的应用场景：
l 数据发布与订阅(配置中心)
l 负载均衡
l 命名服务(Naming Service)
l 分布式通知/协调
l 集群管理与Master选举
l 分布式锁
zk环境搭建
这里不详细说明，提供详细blog说明。
Zookeeper集群搭建：https://cloud.tencent.com/developer/article/1021111
Zookeeper配置文件详解：https://cloud.tencent.com/developer/article/1021117
Zookeeper常用四字命令：https://cloud.tencent.com/developer/article/1021119
二、ZooKeeper监控
在部门内部，有不少应用已经强依赖ZooKeeper，ZooKeeper的工作状态直接影响它们的正常工作。先来看一看哪些因素对ZooKeeper正常工作有比较大的影响：
影响ZooKeeper工作的主要因素
l 用于zookeeper写事务日志的目录要有足够大小，并且强烈建议在单独的磁盘（挂载点）上，这是影响ZK性能最大因素之一。
l 连接数。
l 注册的Watcher数。
l ZNode是否可读，可写。
l ZK事件通知的延时是否过大。
针对监控平台的以上几点要求，部内内部选用了目前使用业界已经比较成熟的阿里开源ZooKeeper监控框架TaoKeeper。
TaoKeeper源码及搭建方法参考https://github.com/alibaba/taokeeper
TaoKeeper介绍
TaoKeeper是阿里开源ZooKeeper监控告警框架，提供以下功能：
l CPU/MEM/LOAD的监控
l ZK日志目录所在磁盘剩余空间监控
l 单机连接数的峰值报警
l 单机 Watcher数的峰值报警
l 节点自检：是指对集群中每个IP所在ZK节点上的PATH: /YINSHI.MONITOR.ALIVE.CHECK 定期进行三次如下流程 : 节点连接 - 数据发布 - 修改通知 - 获取数据 - 数据对比, 在指定的延时内，三次流程均成功视为该节点处于正常状态。
工作原理
Taokeeper通过SSH连接到ZooKeeper部署的机器上，再在上面执行ZooKeeper的四字命令来得到统计信息，再分析保存到mysql数据库中。 监控目标机器的负载，也是通过SSH连接到目标机器，再执行top等命令，再分析得到数据。
常见四字命令：
l echo stat|nc 127.0.0.1 2181 来查看哪个节点被选择作为follower或者leader
l echo ruok|nc 127.0.0.1 2181 测试是否启动了该Server，若回复imok表示已经启动。
l echo cons | nc 127.0.0.1 2181 列出所有连接到服务器的客户端的完全的连接/会话的详情。
l echo wchs | nc 127.0.0.1 2181 列出服务器 watch 的详细信息。
注意事项
1 taokeeper通过ssh信道到访登录每台机器，需要打开ssh的password登陆方式，不然taokeeper运行时会出现authentication failed错误。打开方式如下：
l 对于contos机器(sshd版本为标准OpenSSL)：需要把sshd配置文件中(本机为/etc/ssh/sshd_config.l)中PasswordAuthentication变量设置成yes；
l 对于suse机器(sshd版本为SSH Secure Shell)：需要把sshd配置文件中(本机为/etc/ssh2/sshd2_config.l)中AllowedAuthentications变量加上password（AllowedAuthentications publickey,keyboard-interactive,password）；
2 监控的每台机器需要安装nc命令（suse中叫netcat，可以直接做个软链到nc）
使用TaoKeeper，目前已建立起部门内ZooKeeper的监控视图
ZooKeeper集群实时状态
点击查看按钮可以查看具体信息
Watch数
连接数
集群状态趋势图
新增监控集群
三、ZooKeeper告警
TaoKeeper查看主要针对以下几个维度：
l ZooKeeper宕机告警
l 单机连接数超过阀值告警
l 单机Watch数超过阀值告警
l 磁盘，CPU，内存超过阀值告警
或自己使用四字命令+nc写脚本去做告警也行，这里不再详述。