从零开始搭建ELK+GPE监控预警系统

张志朋 2017-11-20 14:46:28

作者介绍

张志朋资深Java爱好者,深耕于在线教育领域,个人博客: https://blog.52itstyle.com

 

本文可能不会详细记录每一步实现的过程,但一定程度上可以引领小伙伴走向更开阔的视野,串联每个环节,呈现予你不一样的效果。

 

 

一、业务规模
 

 

  • 8个平台

  • 100+台服务器

  • 10+个集群分组

  • 微服务600+

  • 用户N+

 

 

二、面临问题
 

 

随着分布式微服务容器技术的发展,传统监控系统面临许多问题:

 

  • 容器如何监控

  • 微服务如何监控

  • 集群性能如何进行分析计算

  • 如何管理agent端大量配置脚本

 

这些都是传统监控所要面临的棘手问题,如何解决当前遇到的问题,GPE横空出世。

 

 

三、系统监控
 

 

  • 目标群体:系统日志、服务器、容器、系统软件运行指标

  • 日志架构:ELK (Elasticsearch+Logstash+Kibana+Redis)

  • 监控架构:GPE (Grafana+Prometheus+Exporter+Consul)

  • 报警方式:邮件、短信、钉钉以及自定义webhook,监控中心7x24小时

 

 

四、ELK日志
 

 

随着分布式微服务的盛行,功能模块的拆分细化,无论对于开发还是运维,日志的重要性都是不言而喻的,但如何存储分析定位查看日志,一百个公司可能会有两百种做法。有的很少记录日志,有的日志等级都不分,有的写入文本后就不管不问了,有的向MySQL数据库一扔也没有了下文,等到用户投诉或者被发现问题,才会翻一翻。

 

那如何正确优雅地记录日志呢?相信大家对于ELK并不陌生,可能不少小伙伴都接触过,对于中小型互联网创业公司来说,使用ELK搭建日志分析系统的确是一个不错的选择。

 

 

五、架构图
 

 

 

 

六、核心组件
 

 

ELK由Elasticsearch、Logstash和Kibana三剑客组成,当然了以上是最基本的组件,为了使架构流程更加丰满,我们加入了Redis做缓冲队列,配置了sendmail做异常日志告警。

 

ElasticSearch

 

ElasticSearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎,基于RESTful web接口。它的特点有:分布式、零配置、自动发现、索引自动分片、索引副本机制、restful风格接口等。

 

Logstash

 

Logstash数据分析工具,它可以对系统生成的的日志进行采集、分析,存储。2013 年,Logstash 被 Elasticsearch 公司收购,ELK Stack 正式成为官方用语。

 

Kibana

 

Kibana是一个开源的分析与可视化平台,用来搜索、查看存储在Elasticsearch索引中的数据。

 

工作流程

 

 
  • logstash(shipper) 实时监控并过滤收集每个服务的日志信息

  • logstash(shipper) 把收集来的日志(INFO 、DEBUG 、RROR 、WARN等)分别发送到Redis

  • logstash(indexer) 按照日志分类分别从Redis读取日志信息并发送给ElasticSearch

  • logstash(indexer) 过滤出RROR日志通过邮件或者其它webhook方式告警开发运维人员

  • Kibana读取ElasticSearch数据结合自定义搜索进行页面展示

 

 

七、GPE监控
 

 

 

ELK主要收集分析预警的是我们平台系统中各个服务的业务日志,一般通过日志组件(log4j 、log4j2 、logback)来收集并写入文本。但对于系统本身以及一些应用软件的监控预警,这套方案显然是不合适的,这里推荐一下GPE三剑客,当然了GPE是我自己意淫出来的组合。

 

架构图

 

 

核心组件

 

Grafana、Prometheus、Exporter(一系列插件),自定义的三剑客,当然,为了使得整合监控程序更加流畅完整,我们加入了注册中心Consul做服务发现,实现动态添加服务,使用邮件、钉钉以及webhook实现异常告警。

 

GPE组件只是其中的一种实现方式罢了,Grafana配合InfluxData提供Telegraf也可以收集很多Metrics,实现更为丰富的大屏监控预警。

 

Grafana

 

Grafana 是一个开箱即用的可视化工具,具有功能齐全的度量仪表盘和图形编辑器,有灵活丰富的图形化选项,可以混合多种风格,支持多个数据源特点。

 

 

Prometheus

 

Prometheus是一个开源的服务监控系统,它通过HTTP协议从远程的机器收集数据并存储在本地的时序数据库上。

 

  • 多维数据模型(时序列数据由metric名和一组key/value组成)

  • 在多维度上灵活的查询语言(PromQl)

  • 不依赖分布式存储,单主节点工作

  • 通过基于HTTP的pull方式采集时序数据

  • 可以通过push gateway进行时序列数据推送(pushing)

  • 可以通过服务发现或者静态配置去获取要采集的目标服务器

  • 多种可视化图表及仪表盘支持

 

如架构图所示,Prometheus通过安装在远程机器上的exporter来收集监控数据。

 

 

Consul

 

Consul有多个组件,但是整体来看,它是你基础设施中用于发现和配置服务的一个工具。它提供如下几个关键功能:

 

  • 服务发现: Consul的某些客户端可以提供一个服务,例如api或者mysql,其它客户端可以使用Consul去发现这个服务的提供者。使用DNS或者HTTP,应用可以很容易的找到他们所依赖的服务。

  • 健康检查: Consul客户端可以提供一些健康检查,这些健康检查可以关联到一个指定的服务(服务是否返回200 OK),也可以关联到本地节点(内存使用率是否在90%以下)。这些信息可以被一个操作员用来监控集群的健康状态,被服务发现组件路由时用来远离不健康的主机。

  • 键值存储: 应用可以使用Consul提供的分层键值存储用于一些目的,包括动态配置、特征标记、协作、leader选举等等。通过一个简单的HTTP API可以很容易的使用这个组件。

  • 多数据中心: Consul对多数据中心有非常好的支持,这意味着Consul用户不必担心由于创建更多抽象层而产生的多个区域。

 

Consul被设计为对DevOps群体和应用开发者友好,非常适合现代的、可伸缩的基础设施。

 

工作流程

 

  • Exporter组件注册到Consul注册中心

  • Prometheus拉取Consul注册中心的servers

  • Exporter组件获取服务器或者系统软件的metrics

  • Grafana配置Prometheus数据源获取其采集数据结合自定义面板实现监控大屏

  • Grafana通过设置Alerting实现监控预警

 

 

小结
 

 

 

如文章开头所述,本文并没有一步步详细记录安装使用教程,这些教程网上都有,即使有坑,相信作为程序员的你也能够解决。不才,在这里只是抛砖引玉,希望各位小伙伴可以学到更多知识。

 

还记得许多年前的春天,那时网站还都是静态页面,没有图片也没有绚丽的效果,没有24小时服务的客服,可当初程序员是那么快乐,虽然只有网页三剑客,在网上、在指尖、在BBS中,挥洒着自己的青春热血,如果有一天我老无所依,请把我留在在那互联网浪潮里。

 

现如今,随着云计算、分布式、微服务的盛行,程序员的你是否已经疲倦与自己的CURD,是否已经不屑于与产品汪扯皮,来来来,返回顶部小伙伴们再看看一遍,谁说程序员全部的时间都要敲代码,是时候需要去需找自己的另一片天空了。

活动预告