nagios服务器监控的一些策略(转)

以下内容摘自田逸的《开源监控利器 nagios 》一文，来自 Linux/Unix 技术交流群共享。

服务器监控的一些策略

前段时间有人问我怎么用 nagios 监控 linux 内存使用情况 , 以及怎么设置报警阈值 ?linux 运行时 , 是最大可能的利用内存 , 监控这个对象没有现实意义 , 明显属于无效的监控策略 . 另有一人说 :” 晚上没完没了的收到监控系统的发送的报警短 信，受不了 …” 。不言而喻，这也是一个不好的监控策略，实际上监控已经失去了它的意义。所以要让监控平台更有效的发挥作用，好的策略是必须的。那么 怎么才能算是好的策略，这里我结合我的实际情况，谈谈我的一些看法，希望对大家有所帮助。

 

策略一：监控对象选择

在一个规模较大的网络中，监控的对象可能包括服务器、防火墙、交换机、路由器等等设备，以及运行在各 对象上的服务。但是，我们没必要把所有的对象都放到这个监控系统中来。比如把某些测试系统放到监控中，就会产生如上那位老兄整个晚上收到报警短信的麻烦。 因此，选择正确的监控对象是实施有效监控的前提，个人建议，只有那些重要级别高的，不能随便停止服务的对象――如在线交易系统――才是值得监控的对象。当 然，服务器的使用者总希望你把它监控上，哪怕它不是那么重要。

 

策略二：故障报警方式选择

老板非常希望我们不知疲倦的坐在计算机旁，但是他只是一厢情愿而已。对监控系统而言，一定要有合适的 故障告警机制。目前常用的告警机制包括：邮件、短信、 msn 、 web 页面显示等几种手段，这几种手段中，短信报警最佳。因为在夜间睡梦中，我们没办法随时收邮件，但是短信去能唤醒我们，通知我们发生故 障了，而且在老板和用户发现这个故障以前。对于没有通道的机构来说，租用ｓｐ提供的服务是比较稳妥的方式，其他如用移动飞信等方式都不怎么考谱，不适合关 键性业务运营。另外我使用了一个小技巧，让监控平台每天下午给我发一条短信，不管有没有故障都发，这样以便让我知道短信接口是否正常。

 

策略三：故障报警时效和间隔的选择

由于网络通信等不可控因素，因此可能存在故障误报的情况。如果把报警发送设置成一次探测不成功就发送 报警信息就不是个好策略。经验表明：探测３－４次都失败再发送信息，并不耽误我们去处理故障。假如探测一次失败就报警，即可以很快把手机短信空间塞满，又 会让你睡不好觉。

故障报警开始发送以后，一般会没完没了的发送，直到故障排除恢复正常，才会发一条类似“ *** is ok! ”的短信。报警发送间隔设置，也是需要费一番心思，设短了，不停的消耗你的短信费用，设长了，恐怕不足以唤醒沉睡的人；如果没有人去 处理故障，也没有人去停止这个通知，报警信息就会一直发送下去。

那怎么样是一个合适的范围呢？我的做法是：探测４次失败开始报警，报警间隔１０分钟，总共发送８次， 然后停止发送，假如第３次没有人去处理，我会电话通知，没回应则取消该对象的监控，并记录该次事件。

 

策略四：监控平台地点的选择

对于一个规模比较大的网络，为了解决南北互联问题而采取多个地点建立数据中心的办法。这时需要对不同 地理位置的服务器进行监控，也会遇到访问慢的问题。解决这个问题有几种方式：１、选择一个到各个位置访问都顺畅的数据机房；２、采取分步是监控平台，各处 自己收集监控信息，然后到一处汇总；３、各数据中心单独建监控平台。各人可以根据自己的实际情况自行选择。

 

策略五：流量控制和安全

有不少商业解决方案采取 snmp 和客户端软件来监控各个对象，这会引起额外的流量和带来安全问题。因此尽量不要使用 snmp 这样比较占资源的协议（具称 snmp v3 似乎有所改进）。开源解决方案 Nagios 在这方面做得比较完美，值得推荐一下。它可以以插件方式先收集到各监控对象的信息，然后 再传送到监控服务器上，大大节省网络带宽。