摘要：本文主要分為三個部分，將介紹監(jiān)控系統(tǒng)的歷史流派及如何選型，希望對讀者能有所幫助。圖監(jiān)控系統(tǒng)發(fā)展歷史早期的監(jiān)控系統(tǒng)互聯(lián)網發(fā)展早期的監(jiān)控系統(tǒng)，主要是指基于簡單網絡管理協(xié)議的網絡監(jiān)控和系統(tǒng)主要指操作系統(tǒng)監(jiān)控。

本文作者 劉俊

微博平臺監(jiān)控技術負責人，負責微博平臺、PC微博大規(guī)模監(jiān)控系統(tǒng)的建設，主要關注實時大數據、運維自動化、智能化方向，2014年加入微博，之前曾在新浪、搜狐等公司從事運維監(jiān)控方面的工作。

隨著互聯(lián)網的發(fā)展，監(jiān)控系統(tǒng)也得到了發(fā)展。從最早期的網絡監(jiān)控、系統(tǒng)監(jiān)控，發(fā)展到現在的業(yè)務監(jiān)控、日志監(jiān)控、性能監(jiān)控、代碼監(jiān)控、全鏈路監(jiān)控等，并在監(jiān)控數據的基礎上，逐步發(fā)展出了APM（應用性能管理）、AIOps（智能運維）等。

本文主要分為三個部分，將介紹監(jiān)控系統(tǒng)的歷史、流派及如何選型，希望對讀者能有所幫助。

監(jiān)控系統(tǒng)的歷史

首先來看看監(jiān)控系統(tǒng)的發(fā)展歷程和常用工具軟件，如圖1所示。

圖1 ?監(jiān)控系統(tǒng)發(fā)展歷史

早期的監(jiān)控系統(tǒng)

互聯(lián)網發(fā)展早期的監(jiān)控系統(tǒng)，主要是指基于SNMP（簡單網絡管理協(xié)議）的網絡監(jiān)控和系統(tǒng)（主要指操作系統(tǒng)）監(jiān)控。這個時候的互聯(lián)網應用都很簡單，只有網絡設備和操作系統(tǒng)可以提供標準的SNMP服務，一些Web服務器、中間件也支持通過SNMP獲取狀態(tài)，但不是很完善。

而且在這一時期，開源還不流行，業(yè)界主流的商業(yè)監(jiān)控系統(tǒng)（實際上監(jiān)控只是這些商業(yè)管理軟件的一小部分功能）有IBM的Tivoli、HP的OpenView、CA的UniCenter，主要客戶是銀行和電信，而弱小的互聯(lián)網公司（特指那個時代）用不起。

現在的監(jiān)控系統(tǒng)

隨著互聯(lián)網公司的發(fā)展和強大，他們對業(yè)務、服務、應用也逐漸有了較強的監(jiān)控需求，而基于前面的理由，互聯(lián)網公司的監(jiān)控系統(tǒng)一般都是走自主研發(fā)和開源軟件相結合的路子。畢竟“昂貴”、“耗時”、“流程”這些詞在互聯(lián)網公司難以生存，而能發(fā)揚光大的系統(tǒng)一般具有“便宜”、“快速”、“簡單”的特色。當時可用的開源監(jiān)控軟件包括Cacti、Zabbix、Nagios、RRDTool，這些軟件今天仍然很活躍，像RRDTool這樣的時序數據存儲方式也是目前很多時序數據庫參考的標準。

業(yè)務監(jiān)控繼續(xù)發(fā)展，并且更加細分，出現了性能監(jiān)控、代碼監(jiān)控、日志監(jiān)控、全鏈路跟蹤（Trace）等方向。相應地有了全面的監(jiān)控、日志分析等功能，有了告警的需求。隨著告警功能的完善，出現了關聯(lián)、收斂等技術，并能提供一定的建議，接著干預手段（降級、封禁、流量切換、擴縮容）也可以用上了。

前沿方向

隨著行業(yè)做到一定的程度，大家的應用水平都差不多，區(qū)別在于工程水平、產品化的能力，基于前面這些基礎，又演化出了兩個比較前沿的方向：APM和AIOps。

APM，即應用性能管理，定義了五個功能維度，分別為真實用戶體驗監(jiān)控、運行時應用拓撲的發(fā)現和可視化、用戶自定義業(yè)務分析、應用組件深度監(jiān)控、運營分析，如圖2所示。APM各大廠實施的程度也不太一樣，或多或少都能靠上一部分。國外做的比較好的SaaS廠商有NewRelic 和AppDynamics，國內的讀者可以自行搜索。

圖2 AMP定義

AIOps，原先指“AlgorithmicIT Operations”，也就是基于算法的IT運維，即利用數據和算法提高運維的自動化程度和效率，涵蓋了數據的收集、存儲、分析、可視化，以及通過API提供與第三方工具集成的能力，從這個角度來說，AIOps存在了很久，目前大多數公司努力達到的也是這個層次（但是國內除了少數初創(chuàng)公司，大部分公司內部各部門之間的運維、監(jiān)控數據的互聯(lián)互通都還做不到，別說在更高層次上統(tǒng)籌考慮運維方案了）。在這個基礎上，再加上火熱的大數據和機器學習，AIOps的內涵得到了發(fā)展，即我們現在所說的“智能運維”（Artificial Intelligencefor IT Operations），目前各個公司都在嘗試使AIOps落地。

流派

說到流派，每個人都會有自己的喜好和一套理論，下面會對它們進行對比，讀者自行評判選擇。

Agent與Agentless

在我們的監(jiān)控實踐活動中，一般將必須要安裝配置、對運行環(huán)境比較敏感的監(jiān)控組件（一般完成信息采集和初步聚合）稱為Agent，而相對應地，不需要安裝、直接運行的腳本、遠程SSH和基于SNMP服務、第三方管理API獲取信息的方式稱為Agentless（無代理）。

Agent與Agentless對比如圖3所示。

圖3 ?Agent和Agentless的對比

Total solution與自由組合

所謂“Total Solution”（整體解決方案）特指擁有特別多功能的、“大而全”的監(jiān)控系統(tǒng)，能完成包括數據收集、聚合、存儲、展示、告警等全套功能，Zabbix、Zenoss、Open-falcon、Prometheus等都是其代表。這一類功能比較完整的監(jiān)控系統(tǒng)特點就是“完整”，除了必要的配置，一般你不需要考慮在其之上開發(fā)什么附加功能（當然二次開發(fā)也比較困難）。

“自由組合”是另外一種流派，核心思想就是“小步快跑”、“每次只做一件事”、“每個組件只完成一個功能”。具體說起來，就是通過組合各種小工具、循序漸進的實現一系列功能，為什么強調每次只做一件事呢？因為需求不明確，或者說需求變化太快，尤其互聯(lián)網公司，業(yè)務更新變化太快，在這種環(huán)境下，不太適合規(guī)劃一個需要較長開發(fā)周期、擁有很多功能的系統(tǒng)。

很難說哪一種方式較好，只能說哪一種方式比較適合。Total Solution的好處是可以快速搭建一套完整的監(jiān)控系統(tǒng)，即使是默認配置，對于不太復雜的監(jiān)控需求一般都能滿足；小步快跑的好處是在一開始需求不明確的情況下，專注于矛盾最突出的地方，專注解決一個點，如有必要再擴展。

選型

選型的意思就是選擇哪一種監(jiān)控體系，是成熟的產品，還是自己研發(fā)，抑或基于開源軟件來集成。當我們開始規(guī)劃一個監(jiān)控系統(tǒng)的時候，這問題就需要預先考慮和分析，列出競品之間優(yōu)缺點，結合需求來選擇，而不是自己熟悉那個就用那個，也不是因為別人用了，所以自己也要用。

需要解決什么問題

選擇監(jiān)控系統(tǒng)，需要先問自己一些問題，明確自己的需求，下面是這些問題的范例。

我有很多服務器、數據庫、網絡設備，但可以知道它們的狀態(tài)嗎？

我給客戶提供了一項服務，但服務是否有問題、服務質量如何？

我有一個（些）監(jiān)控系統(tǒng)，但我對效果/成本/功能滿意嗎？（不滿意是常態(tài)。）

這些問題的答案就對應著不同的解決方案：基礎監(jiān)控、業(yè)務服務質量監(jiān)控、性能監(jiān)控等，另外可以明確是需要重新建設還是在原有的基礎上升級和補充。

分析自己的環(huán)境

“環(huán)境”包括了軟硬件的運行環(huán)境，比如操作系統(tǒng)的版本、容器、框架、日志落地方式等，一般經過一段時間發(fā)展，環(huán)境基本上會變得“五花八門”，這時選取一個各種環(huán)境都容易集成的方案會比較好，也就是一個計算“較大公約數”的過程。

確定你的預算

有人覺得自己使用的是開源軟件，應該沒有預算問題，但是這背后還是會有很多成本的。首先就是學習和時間成本，你需要理解軟件的理念和設計思想，判斷是否能解決自己的問題；其次是部署和二次開發(fā)的成本，很多時候開源軟件文檔并不完善，需要自己探索，并且可能不能直接用于自己的環(huán)境，所以面臨二次開發(fā)。一定要提前規(guī)劃，看是否能夠接受這些成本。?

本文的內容基本介紹完畢，簡單來說，如果能預計自己的數據量，并且想盡快看到效果，那么直接用成熟的“Total Solution”比較好，前期成本較低，建設速度也比較快。另外一方面，如果需求不太明確，數據量無法估算，建議還是走“自由組合”的方式，利用一些小工具，先完成主要功能，再逐步迭代和演進。當然，現實中少有人會全盤推翻之前的遺留系統(tǒng)重新建設一套，一般大家都是從一個還“能用”的系統(tǒng)起步，再組合各種工具。