前段时间,公司上线了一个“大屏”项目,用于对接展示一些业务平台的数据。但是在上线后使用过程中,产品或业务经常反馈前台页面没有数据。出现这种情况后,开发人员会去排查问题,解决后再通知产品或业务人员解决修复情况。虽然研发每次都能在较短的时间内响应并解决问题,但运行一段时间后又会反复出现,也给用户造成了极其不好的使用体验。而本文则是基于“测试右移”思想,开展的一次后台服务监控告警的实践记录总结,整个实践过程可以分为:
在正式开始之前,先简单介绍一下“测试右移”:
我们都知道,软件测试活动应当贯穿整个软件生命周期,包括需求讨论分析阶段、研发设计编码阶段、测试阶段、上线后的监控运行阶段。“测试右移”是在产品上线后,为了验证在真实的用户数据环境下,功能、性能以及产品体验,是否符合预期而开展的一系列监控、分析、测试活动,以达到持续监控软件线上质量的目的。一旦线上发生任何问题,则可以提前反应,主动分析,尽快处理,给用户以良好的使用体验。
从项目上线不久,即收到产品多次在项目群中反馈的以上问题。开发经过定位后,给出的说法是“后台链接断掉了”。在其重启后台服务后,该项目确实平稳运行了一段时间,但一段时间后,又会再次发生链接断掉、前台无数据展示的情况。此问题给用户造成了很不好的使用体验。
经过和研发的几次沟通交流,我画了份草图,尝试理解和说明问题的产生原因。先简单介绍一下大屏项目的后台服务架构,后台服务假设为B服务。B服务监听的是本地5081端口,通过TCP与网关进行连接,网关通过websocket将B服务传来的后台数据推送给前端进行展示,用户可以通过9530端口进行页面访问。网关与前端之间的websocket连接相对较为稳定,导致出问题的是B服务与网关之间的TCP连接经常断掉,从而导致网关拿不到数据,前端无法展示数据。
既然了解了问题所在,那么就可以针对性地设计解决方案。经过与研发的交流讨论,共总结了以下方案:
通过shell脚本+定时任务,每几分钟轮询一次,判断5081端口是否处于连接状态,来确定后台服务与网关之间的TCP链接是否正常,若是断链,则向企业微信发送告警消息、通知人为处理,并自动重启后台服务。这种方法优点是:
缺点是:
在业务层的代码中增加“定期检查与网关之间的TCP连接状态”机制,若出现连接断掉的情况,及时重新连接,和上述第一种方式类似,只不过由shell脚本改成了业务代码的形式。
对于底层通信框架,这个我了解不多。从研发处得到的结论是,改动比较大,需要修改地方比较多,可能会造成其他连带风险。
由于底层框架修改代价较高,可能会导致其他风险、甚至影响到其他在运行项目,且项目需要重新排期,因此,经过一番权衡,我们决定采用第一种通过shell脚本监控后台服务状态的方式来实现解决。
5081为后台服务本地端口,其与网关之间建立连接后,正常连接下,监听状态为“ESTABLISHED”;异常连接时,监听状态为“TIME_WAIT”。因此可以通过判断监听状态来判断服务的连接情况。
具体实现如下
#!/bin/sh
export PYTHON_HOME=/home/python3
export PATH=${PATH}:${PYTHON_HOME}"/bin"
# 判断5081端口连接状态
connect_number=`netstat -antp | grep 5081 | grep ESTABLISHED | wc -l`
echo $connect_number
if [ $connect_number != "0" ];then
echo "5081端口连接状态正常"
else
echo "5081端口已断开!!!"
# 重启后台服务
/home/BCS/bin/start.sh
# 执行Python脚本,发送企微消息通知
/home/python3/bin/python3 /home/send_msg.py
fi
注意事项:
脚本开头一定要导出环境变量,否则系统会识别不到Python3,即使/etc/profile中已配置好了Python3的环境变量。(在配置定时任务时发现,怎么都不执行发送消息的Python脚本,困扰了好久)
服务器需提前安装Python环境,可参照前面的文章《Linux下一键安装Python3&更改镜像源&虚拟环境管理技巧》
class EnterpriseWechatNotification:
def __init__(self, hook: list):
self.hook_url_list = [f"https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key={i}" for i in hook]
self.header = {'Content-Type': 'application/json'}
def send_msg(self, result=''):
"""发送企业微信消息通知"""
global payload
current_time = time.strftime("%Y-%m-%d-%H-%M-%S", time.localtime())
content = f"""** 【大屏服务监控】**
> 当前时间: {current_time}
> 当前环境: #开发环境
> 告警事件: #大屏服务断链,请及时处理!!!
{result}"""
payload = {
"msgtype": "markdown",
"markdown": {
"content": content
}
}
for hook_url in self.hook_url_list:
requests.post(url=hook_url, headers=self.header, data=json.dumps(payload))
if __name__ == '__main__':
# 企业微信群中创建一个机器人,即可拿到hook_url
# 此处为一个hook ID的列表,传入多个,则发送到多个群
EnterpriseWechatNotification(hook=["xxxxxxxxxx"]).send_msg()
crontab -e
配置内容如下:
SHELL=/bin/bash
PATH=/sbin:/bin:/usr/sbin:/usr/bin
MAILTO=root
# For details see man 4 crontabs
# Example of job definition:
# .---------------- minute (0 - 59)
# | .------------- hour (0 - 23)
# | | .---------- day of month (1 - 31)
# | | | .------- month (1 - 12) OR jan,feb,mar,apr ...
# | | | | .---- day of week (0 - 6) (Sunday=0 or 7) OR sun,mon,tue,wed,thu,fri,sat
# | | | | |
# * * * * * user-name command to be executed
# 每5分钟执行一次monitor.sh
*/5 * * * * root /home/monitor.sh &
systemctl restart crond
将项目后台服务断掉,五分钟后,企业微信收到消息通知。可见,脚本及定时任务均正常运行。
由于服务重连需要一段时间,通常在一分钟以内。过一分钟后查看,服务已自动重启:
上述方案虽能够监控服务连接状态并重启服务、发送消息通知等情况,但也面临一些缺点:运行脚本的服务器需要安装Python3,Python3相关进程也会占用系统资源。Python脚本的本质是调用企业微信的webhook,发送指定内容,那么能否直接在shell脚本中来实现同样的功能?答案是肯定的。(下列脚本为本项目后台开发设计编写,此处仅作引用、添加了一些注释方便理解,以供参考)
#!/bin/bash
date=`date +%Y/%m/%d\ %H:%M:%S`
# 重连函数
re_connet()
{
echo $date ">>>连接已经断开,正在重连中..."
cd /home/jumploo/risun/BCS/bin
sh restart
cd -
watch_msg # 调用发送消息函数
}
# 发送消息函数
watch_msg()
{
num=$connect_num
# 循环20次,每3秒轮询一次,时长共60秒
for i in {1..20};do
# 此处判断逻辑与上述脚本中相同
link_num_=`netstat -antp | grep 5081 | grep "ESTABLISHED" | wc -l`
sleep 3s
if [ $link_num_ == 1 ];then
echo $date ">>>重新连接成功!"
break;
fi
if [ $i == 20 ];then
echo $date ">>>重新连接失败 , 发送企微消息"
# 通过curl命令工具请求企业微信群机器人的webhook_url,发送消息通知到企业微信
curl 'https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxxxxxxxxxx' \
-H 'Content-Type: application/json' \
-d '
{
"msgtype": "markdown",
"markdown": {
"content":
"<font color=\"warning\">大屏监控消息</font>\n
> 影响范围:<font color=\"comment\">开发环境 120.48.19.238</font>\n
> 状态:<font color=\"comment\">当前尝试连接失败!</font>"
}
}'
fi
done
}
#echo "=============== 监控 大屏数据 bcs 连接 开始! ==================="
link_num=`netstat -antp | grep 5081 | grep "ESTABLISHED" | wc -l`
if [ $link_num = 0 ];then
re_connet # 调用重连函数
else
echo $date ">>>连接依旧存在!"
fi
再创建一个脚本,用于生成日志文件,内容如下:
#!/bin/bash
sh /home/watch.sh >> /home/log_watch.log &
配置定时任务,5分钟执行一次。测试环境,手动停止B项目的后台服务后,企业微信通知效果如下:
我们采用的是Shell脚本中发送企微通知的方案,这样更有利于节约资源。在测试环境验证通过后,即可在生产环境进行部署,步骤同测试环境中的部署步骤一致。
以上就是基于xx后台服务监控告警的一次“测试右移”的实践过程: