可视化监控告警-grafana

需求背景

根据我们的业务背景，需要监控3个纬度。

1. Iaas层：即腾讯云的基础设施CVM
2. Paas层：即使用的腾讯云Paas服务，各种中间件
3. Saas层：即我们本身的服务指标监控。

腾讯云监控，可以覆盖1，2场景, 我们只需根据业务需求配置告警策略即可。场景3-Saas层监控可以分为服务状态监控、异常日志监控和接口监控。

由于我们使用了微服务框架TSF，服务状态监控和异常日志监控都可以通过云监控策略进行覆盖。至于接口监控，云监控无法满足需求，主要原因是我们语言框架不是TSF支持spring cloud，我们使用的是golang，微服务框架是公司内部的trpc-go，TSF对此支持不够友好，无法使用TSF的服务/接口监控能力，因此我们只能使用其他监控工具来补齐。

监控需求分析

系统使用网关(可理解为nginx)作为接入层，且我们将访问日志存储到了elasticsearch数据库，因此我们可根据接口日志进行分析，使用grafana做可视化监控和告警，es作为数据源。

监控大盘效果

下图是的访问日志监控大盘。

image.png

image.png

监控配置

目前腾讯云grafana可以免费创建，内网访问只收取内网负载均衡费用，非常划算。

1. 创建grafana, 可开启腾讯云SSO登录，方便团队其他成员访问；
2. 配置数据源，Configuration => Data sources => add data source，根据业务存储选择数据源，例如选择Elasticsearch，配置好IP:Port和认证方式；
3. 安装插件,见腾讯云文档，我在安装goshposh-metaqueries-datasource插件时失败，后面找腾讯云助手才解决问题，安装失败的时候，需要编辑配置文件Grafana.ini，添加配置项如下：

[plugins]
allow_loading_unsigned_plugins=goshposh-metaqueries-datasource

插件按需安装，我们添加metaqueries数据插件主要是需要进行聚合计算，例如计算请求成功率，计算所有是请求A，计算所有成功请求B，使用该插件即可写表达式: B/A 来表达成功率，插件帮忙文档见：https://grafana.com/grafana/plugins/goshposh-metaqueries-datasource/

1. 配置监控大盘，按照业务需求创建监控面板，可参考帮助文档：https://grafana.com/tutorials/?utm_source=grafana_gettingstarted，我们业务的监控面板包括以下几项
   • 每分钟请求成功率
   • 每分钟请求耗时分区统计
   • 每分钟httpCode分布
   • 路由请求量/min
   • 路由请求平均时延/min
   • 路由失败请求时延/min
   • path请求量/min
   • path请求平均时延/min
   • path失败请求时延/min
   • 接口延时排序图
2. 配置告警，腾讯云grafana已经打通云监控告警模版，可以选择已经配置好的通知人模版应用到grafana，如下图：
   

   image.png
   添加后，可以在每个告警面板里面配置告警策略，选择要通知的人。
   

   image.png

踩坑总结

1. grafana 目前只能安装指定插件，但是我只能安装指定插件，不过基本上主流插件都囊括了，问题是在我安装goshposh-metaqueries-datasource 插件失败，找人工协助之后，添加插件配置后再次安装才成功。
2. grafana 添加mysql数据源失败，我给grafana创建mysql查询权限的账号，配置账号的ip时，直接查看了，内网IP如下图位置：
   

   image.png
   但是添加一直失败提示：db query error: query failed - please inspect Grafana server log for details

我怀疑时grafana管理控制台的内网ip不是真实的容器IP，于是找腾讯云小助手请教是不是真实的容器IP，小助手说是的，但是最后却一直无法添加数据源，小助手找到研发最终明确了这个内网IP是CLB的IP不是真实容器IP，最后他提供真实容器IP之后，才解决问题。