一篇运维老司机的大数据平台监控宝典（2）-联通大数据集群平台监控体系详解

可以用一个营业场景来表明该特点：某大数据集群因为收集题目大面积瘫痪，上百个datanode触发断开告警，假如凭证传统监控模式的话，收到的将是上百条的告警短信形成短信轰炸。但假如行使分组特征，Alertmanager会将具有配合属性的告警归为一条发送到吸取端，清楚明白。

(2) 克制

照旧用营业场景来表明该特点：某主机上运行了一个mysql实例，若该主机宕机，则会收到多条关于mysql各项监控的告警信息，但假如设置了克制用法，只要触发该主机的宕机告警，上面mysql所触发的告警便会被克制掉。

(3) 沉默沉静

举例来说，某主机硬件主板破坏，但厂商反馈要2天后才气改换主板，一样平常环境下在改换主板前，该警报会一向大量一再发送。假云云时操作沉默沉静成果，在页面上设置沉默沉静选项即可停息此告警，待修复完成后打消沉默沉静法则即可。

3. 设置

global: 
  resolve_timeout: 5m 
templates: 
  - 'template/*.tmpl'                 
route: 
  group_by: ['cluster'] 
  group_wait: 10s                
  group_interval: 20s                            
  repeat_interval: 30m         
  receiver: 'host'                   
 
  routes: 
###############example#################### 
  - receiver: 'example' 
    match: 
      cluster: example 
    continue: true 
- name: 'example' 
  webhook_configs: 
  - url: 'http://localhost:8180/dingtalk/ops_dingding/send' 
 
inhibit_rules:                         
  - source_match: 
  - source_match_re: 
    target_match_re: 
           equal: ['ipAddress'] 

四、钉钉-最终告警吸取查阅

运维职员常用的发送告警器材有短信、邮件、企业微信和钉钉，之以是选择钉钉的缘故起因如下：

• 短信：一样平常是通过往oracle插入告警信息走短信网关发送;利益是实时高效，但弱点是oracle支持的并发量有限。
• 邮件：邮件告警的实时性是一个很大的题目，而且假如没有公道配置阈值，邮件轰炸会影响其他事变邮件的阅读。
• 企业微信：企业微信不存在短信网关的并发限定，但破绽在于告警条数有限。
• 钉钉：有强盛的分构成果且不限定告警条数;可按项目建设告警群，也利便扫除。

行使钉钉作为告警吸取器材，简朴来说就是在钉钉群聊中设置呆板人，每个呆板人会有一条独一的webhook，当吸取到来自Alertmanager的告警后就可以发送得手机端。本文不再详述钉钉呆板人的设置，感乐趣的同窗可以自行到网上查阅资料。

五、增补常识点

作为运维职员，做得最多的事变就是一般巡检、妨碍规复。公司集群局限越复杂，妨碍产生率和妨碍实例数也会成倍增进，信托每个运维人都领会过节沐日被姑且呼叫修复妨碍的经验。这里，笔者特殊孝顺一条“自动化规复”小贴士，解放随时守候呼叫的运维er，你值得拥有：

自动化浅显流程：通过收罗说明Prometheus里的告警数据，操作fabric或ansible等多线程安详并发长途毗连器材，执行相干脚色实例的规复事变。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!