09｜监控概论（上）：有哪些方法可以指导监控数据采集？

秦晓辉

你好，我是秦晓辉。
前面几讲我们介绍了监控的一些原理和搭建方法，这一讲开始，我们进入监控实战部分，看看具体怎么监控不同类型的目标对象。我会先用两讲的时间讲一下监控方法论和典型的监控数据采集原理。
这一讲我们主要介绍监控方法论，因为要监控的目标五花八门，怎样才能让监控数据更加完备，怎样才能知道哪些指标更加重要，解决这些问题都需要监控方法论的指导。目前业界比较流行的方法论有 Google 的四个黄金指标、RED 方法、USE 方法，下面我们一一介绍一下。
Google 的四个黄金指标Google 的四个黄金指标着眼点在服务监控，这四个指标分别是延迟、流量、错误和饱和度。
延迟：服务请求所花费的时间，比如用户获取商品列表页面调用的某个接口，花费 30 毫秒。这个指标需要区分成功请求和失败请求，因为失败的请求可能会立刻返回，延迟很小，会扰乱正常的请求延迟数据。
流量：HTTP 服务的话就是每秒 HTTP 请求数，RPC 服务的话就是每秒 RPCCall 的数量，如果是数据库，可能用数据库系统的事务量来作为流量指标。
错误：请求失败的速率，即每秒有多少请求失败，比如 HTTP 请求返回了 500 错误码，说明这个请求是失败的，或者虽然返回的状态码是 200，但是返回的内容不符合预期，也认为是请求失败。
饱和度：描述应用程序有多“满”，或者描述受限的资源，比如 CPU 密集型应用，CPU 使用率就可以作为饱和度指标。

公开

同步至部落

取消

完成

0/2000

荧光笔

直线

曲线

笔记

复制

AI

深入了解
翻译
英语
中文简体
中文繁体
法语
德语
日语
韩语
俄语
西班牙语
阿拉伯语
解释
总结

本文介绍了监控概论（上）的内容，主要围绕监控方法论和典型的监控数据采集原理展开。文章首先介绍了Google的四个黄金指标，包括延迟、流量、错误和饱和度，以及它们在服务监控中的重要性。接着介绍了RED方法，即请求速率、错误和延迟，作为Google四个黄金指标的简化版。然后介绍了USE方法，即使用率、饱和度和错误，用于分析资源问题。文章还对监控对象进行了分类，包括业务监控、应用监控、组件监控和资源监控。其中，业务监控关注企业营收和客户主流程，应用监控针对应用程序的监控，组件监控涉及各类数据库、中间件和云平台，而资源监控主要针对设备和网络。整体而言，本文通过介绍不同的监控方法和监控对象分类，为读者提供了监控概念和实践的全面概览。文章还介绍了网络监控的常见方法，包括网络连通性监控和流量监控。最后，作者提出了监控覆盖完备性问题，并鼓励读者分享监控数据不完备导致线上环境问题的情况。整体而言，本文为读者提供了监控方法和分类的全面概览，以及网络监控的常见方法，对于了解监控概念和实践具有重要参考价值。

仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《运维监控系统实战笔记》，新⼈⾸单¥59

立即购买

登录后留言

全部留言(10)

最新
精选

王植
老师，有没有比较全的监控信息库，通过这个信息库可以查漏补缺，感觉价值很大
作者回复: https://promcat.io/ 这个可以做一些参考
2023-02-24归属地：上海

4
penng
老师好，像进程监控，jvm监控，应该归类到以上四类监控的哪类里去呢？
作者回复: 这其实是两个维度的。比如jvm监控，监控了很多指标，有些指标是饱和度指标，有些是latency指标（比如后文介绍kafka监控，就是通过jmx暴露了很多指标，其中就有latency相关的）。
2023-03-28归属地：重庆

3
隆哥
系统随着时间的推移，应用不断增加，依赖服务也越来越复杂，对于监控来说复杂度就越高了。我遇到的是使用第三方对象存储服务，自有域名ssl证书过期之后才发现，因为没有监控该域名的ssl证书过期时间。
作者回复: 👍🏻
2023-01-27归属地：福建
4
3
Mori
比如云厂商的mysql、redis、kafka等资源，是对接云厂商的监控指标好一点还是自己部署exporter采集好点呢，比如说腾讯云可以通过qcloud_exporter对接mysql/redis/lb的指标数据拉取到本地，然后通过prometheus采集，当实例比较多的情况下，通过qcloud_exporter拉取指标可能耗时比较久
作者回复: 这是个好问题。如果想在一个地方做关联查询，只能把所有数据拉到一个中心，如果对关联查询没有需求，同时使用阿里云的监控、腾讯云的监控、华为云的监控、本地IDC的自建监控，分别去管理，也问题不大，不过告警事件最好聚拢到一起，要不然，故障协同处理是个问题
2023-01-31归属地：广东
3
2
Geek_89cb03
请问老师，业务监控与应用监控有什么区别？业务监控采用什么工具或方法实现？
编辑回复: 在19、20讲哦
2023-02-26归属地：上海
3
1
maybe
redis连接数、ulimit、mysql cpu都没监控，服务挂了好几次
作者回复: 🩸的教训～
2023-02-11归属地：广西


mj4ever
阿里云的Redis服务发生主从切换，导致我们应用程序无法进行队列数据的消费（redisson客户端没有感知到外部集群服务发生变化，采用的是永久阻塞模式）；如果我们对Redis中的队列有监控，当队列深度持续增高或长时间停留在一个大于0的情况，就可以及时发现问题，当然，程序本身也有问题，应该设置一个超时时长，而不是永久阻塞。
作者回复: 👍🏻
2023-01-30归属地：北京


hshopeful
1、只有进程存活性监控，但是进程处于僵死状态无法发现，需要添加对进程中探活接口的监测 2、如果监控 agent 中有日志监控功能，在日志量很大，待匹配的正则表达式很复杂，agent 本身的资源消耗会很大，需要做好限制和监控
作者回复: 👍🏻
2023-01-29归属地：湖北
2

peter
请教老师两个问题： Q1：采用云主机，会有自动监控吗？网站采用云主机，比如阿里云主机，会有自动监控吗？尤其是设备和网络方面，阿里云会提供监控吗？ Q2：网站会提供一个大屏来监控手机吗？大厂会对终端采用一个大屏进行监控吗？或者，我建一个网站，是否需要对终端进行监控？（包括安卓和iOS）
作者回复: 1，云厂商自带监控，不过有人觉得不好用，会自己整 2，大厂其实很少用监控大屏，不同业务线可能会有业务指标的监控大屏，普通指标一般不太值得放大屏上。终端监控从服务端角度主要看在线连接数，如果在线连接数掉了，说明大量设备离线，IoT场景很实用。安卓和iOS的App的话，也有监控需求，比如卡顿率、首屏加载时间等，端上监控是另一个话题了，不在本专栏探讨范围
2023-01-27归属地：北京
2

javaadu
监控指标需要分级管控，重要性从高到低
2023-06-27归属地：广东



收起评论