上一篇《100行代码,搞定http监控框架》介绍了通用+可扩展的http监控平台的架构:
创业型公司,如果没有上述完善的基础设施,可以简化为一个通用+可扩展的http监控框架:
不少同学留言问,这个框架日志监控覆盖不了,RPC接口监控覆盖不了,xxoo监控覆盖不了。额,都说了是http监控了,其他类型的监控,听楼主娓娓道来。
今天,要聊的是日志监控。
一、什么是日志监控
关于日志,不同公司,情况不同:
画外音:额,很多时候,追查bug发现日志信息不全,要先上线一个有日志的版本,以帮助定位bug,你遇到过么?
对日志进行监控,先于用户发现系统的故障,实时告警,就是今天要讨论的日志监控问题。
二、日志监控需求分析
对于日志的监控,一般有这么几类需求:
其中,前两类需求,属于异常日志监控范畴,出现异常,实施告警。
第三类需求,属于正常日志监控范畴,一定的时间没有出现“正常”,就默认异常,实施告警。
为什么不是一出现异常日志就告警呢?
避免抖动引起的误报,一般到达一定频率才会告警,这属于告警策略的一部分。
画外音:关于人性化的告警策略,详见《分级告警策略,人性化系统监控?》。
三、目录与日志的规范化
这是一个线上模块的目录示例:
体会一下,运维同学看到这样的线上文件部署,是什么感受?
画外音:没见过源代码直接部署到线上的?
三点一、目录规范
目录规范化不但对日志监控,对自动化运维都极为重要,要是线上目录都瞎搞,几乎没有办法实现自动化运维。
常见的目录规范有两类:模块优先类目录规范,功能优先类目录规范。
什么是模块优先的目录规范?
如上图,以模块名为优先组织目录:
什么是功能优先的目录规范?
如上图,以功能为优先组织目录:
楼主旗帜鲜明的推荐第二种,功能优先的目录规范,对二进制备份,配置备份,日志清理都非常方便。
三点二、日志规范
日志规范化不但对日志监控,对大数据体系建设都极为重要,需要考虑规范:
fatal.log
error.log
info.log
debug.log
…
daojia.log.2018012800
daojia.log.2018012801
…
daojia.log.2018012823
画外音:是不是有小伙伴在思考,ca,自己怎么没有这三类规范呢?
四、通用可扩展日志监控平台/框架思路
制订了目录规范,日志规范之后,要建立日志监控平台/框架,实施异常与正常的日志监控,就简单多了,主要有集中式监控,分散式监控两类思路。
四点一、集中式
集中式的日志监控,最流行的莫过于ELK:
运维的同学对这一套集中式日志监控系统非常熟悉。
四点二、分散式
ELK有点重,三套系统搭建与运维起来比较麻烦,如果只是为了实现ERROR日志的监控,异常关键字监控,正常关键字监控,有点杀鸡用牛刀了。
与集中式的日志监控相比,分散式的日志监控,就显得轻量级许多,非常适用与早期的创业型公司,其思路为:
与ELK相比,这个日志平台会简单的多,而且扩展性非常好。
额,创业型公司没有时间和人员研发agent,没有资源研发日志监控中心服务,没有人力研发日志监控后台,还有没有更简洁但可扩展的方案呢?
和《100行代码,搞定http监控框架》的思路一样,没有服务,没有后台,没有agent,初期完全可以用配置文件来替代。
五、100行搞定日志监控平台
整个框架设计如上,大致分为三个部分:
cluster.info.xml:存储集群信息
owner.info.xml:存储集群责任人信息
mail.service/SM.service:发邮件,发短信的基础服务
集群信息与负责人信息,与前文描述的一样。
集群配置cluster.info.conf
[daojia_main]
ip.list : ip1, ip2, ip3
log.path : /home/work/log/daojia_main/
owner.list : shenjian, zhangsan
[daojia_user]
ip.list : ip4, ip5, ip6
log.path : /home/work/log/daojia_user/
owner.list : shenjian
责任人配置owner.info.conf
[shenjian]
email : XX@XX.com
phone :15912345678
[zhangsan]
email : YY@YY.com
phone :18611220099
日志监控框架又分为两个模块:
[log.monitor.item]
cluster.name : daojia_main
# error日志监控,每分钟超过此阈值就告警
error.log. threshold : 10
# 异常关键字监控,日志出现这些关键字就告警
bad.key : exeption | timeout | coredump
# 正常关键字监控,日志每分钟不出现这些关键字就告警
good.key : login | user | click
[log.monitor.item]
cluster.name : daojia_user
error.log.threshold : 10
日志监控调度框架,这里需要编码啦,100行的伪代码如下:
Array[log-monitor] A1= Parse(log.monitor.config);
Array[cluster-info] A2= Parse(cluster.info.config);
Array[owner-info] A3= Parse(owner.info.config);
// 遍历所有监控项
for(each item in A1){
//取出监控项的集群名,阈值,异常/正常关键词
clusterName= item.clusterName;
threshold= item.threshold;
badKey= item.badkey;
goodKey= item.goodkey;
//由集群名,获取集群信息
clusterInfo= A2[clusterName];
//获取日志目录,集群ip列表,集群负责人列表
logPath= clusterInfo.path;
List<String>ips = clusterInfo.ip;
List<String>owners = clusterinfo.owner;
//集群内的每一个ip实例,都需要日志监控
for(eachip in ips){
//登录到这一台机器
ssh $ip
//跳到相关的目录下
cd $logPath
//查看近一分钟error日志数量
$count= `grep $time error.log | wc -l`
//查看badkey与goodkey
$boolBad= `grep $badkey *`
$boolGood= `grep $goodkey *`
if($count< threshold &&
$boolBad==NO &&
$boolGood==YES){
//正常,继续监控
continue;
}
// 否则,对所有集群负责人发送告警
for(each owner in owners){
// 略…
}
}
}
就是一个简单的调度框架,看明白了吗?
六、调研
调研一、对于日志,你的感触是
调研二、对于日志切分,你的感触是
调研三、对于日志监控,你的感触是
调研四:你见过120G的日志文件么?