信创智慧运维监控管理

大集群场景特点数据规模大：监控对象targets多，数千万时序数据time-series，单Prometheus负载非常高。

当series数据超过300万时，Prometheus内存增长较为明显，需要使用较大内存的机器来运行。压测过程中，我们使用了工具去生成预期数目的series，工具生成的series每个label的长度及值的长度都较小，固定为10个字符左右。我们的目的是观察相对负载变化，实际生产中由于label长度不同，服务发现机制（比如Pod频繁重启）的消耗不同，相同的series数目所消耗的负载会比压测中高不少。目前Argus有好几个集群的采集端Prometheus消耗内存在30G以上，这会导致查询效率下降，严重的会导致OOM，有的大集群内存消耗达几百G。Argus运维监控从聚合事件快速下探到具体事件， 并直观呈现相关事件的发生趋势。信创智慧运维监控管理

Argus运维监控中硬件监控包括：可以通过IPMI对硬件详细情况进行监控，并对CPU、内存、磁盘、温度、风扇、电压等设置报警设置报警阈值(自行对监控报警内容编写合理的报警范围)IPMI工具无法获取到硬件的状态，可以借助MegaCli工具探测Raid磁盘队列状态zabbix提供IPMI监控模板：ZabbixIPMIInterface。同时也能够实时采集到服务器的硬件报错日志，代替管理员的日常机房巡检工作，使管理员实时了解到服务器底层硬件的运行情况。带外方式不通过操作系统，即使系统关机的状态下仍可监控服务器的基本硬件健康状况业务智能化运维监控企业级运维监控系统体系化建设指南。

对于服务器的监控同样也是从状态、性能与容量这几个维度入手。虽然SNMP也可以用于服务器监控，但相对于agent主动上报指标与数据会少很多。

服务器的状态监控主要包含服务器是否ping的通、agent上报是否超时与电源运行状态等等。对于性能与容量这两类维度，主要依赖当前OS的数据捕获，一般来说对于服务器监控来说在通用场景下主要关注CPU、内存、流量与包量这四个指标即可，但是别的指标也建议尽量捕获。

单个监控对象的数据丰富了会有如下好处：避免对象的监控盲点不同的监控数据点可以部分对应出该服务器所承载的业务特性指标，例如存储类业务也会关注disk_total_read、svctm_time_max、await_time_max等等系统指标生产的数据足够丰富能够催生出更加丰富的运维数据消费场景。服务器监控相对是很标准的监控模型，针对于物理服务器与虚拟机都有共性指标。这部分主要做到采集的数据丰富与上报的准确性(算法准确)。

十四五规划和十九届五中全会提出：

1、加强关键数字技术创新应用用聚焦芯片、操作系统、人工智能关键算法、传感 器等关键领域，加快推进基础理论、基础算法、装备 材料等研发突破与迭代应用。加强通用处理器、 云计算系统和软件技术一体化研发。

2、加快推动数字产业化培育壮大人工智能、大数据、区块链、云计算、网络 安全等新兴数字产业，提升通信设备、关键电 子元器件、关键软件等产业水平。

3、科技自强 ，科技自立坚持创新在我国现代化建设全局中的重要地位，把 科技自立自强作为国家发展的战略支撑。

Argus运维监控系统在信息技术创新应用的大背景下应运而生。运维监控体系一般来说包括数据采集、数据检测、告警管理、故障管理、视图管理和监控管理6大模块。

面向IT资源200+以上的各类型单位，产品提供一体化运维监控功能，以帮助信息部门员高效管理IT运行环境、IT资产，通过运维工具的自动化，提升单位IT服务质量，提高运维效率，降低运维成本，减轻运维人员工作压力。

Argus实时运维监控分析系统是基于全球负有盛名的IT基础监控平台Zabbix深度二次开发的运维监控软件，面向私有化及混合云数据中心提供多角度多层次的统一监控和运维管理。帮助用户实时对各类IT资源（网络设备、服务器、存储、数据库、中间件等）执行性能指标监控，实现事前运维。我们要运维监控这个东西的什么属性？比如CPU的使用率、负载、用户态、内核态、上下文切换。哪个运维监控管理产品好用

快速读懂智能化运维监控如何赋能IT可观察性！信创智慧运维监控管理

Prometheus指标采集和查询存储方案-2020年

我们分一级监控平台和二级集群Prometheus监控采集组件。一级提供kafka集群和Prometheus聚合组件，二级各集群部署Prometheus和Prometheus-kafka-adapter组件，采集和远程送数据到一级的kafka集群。

该方案优点：

1.业务系统可以跨集群聚合数据，如图k8s集群-1和k8s集群-2数据聚合到Top-1的Prometheus上。

2.一级监控平台上只要有足够的cpu、存储资源，理论上可以水平扩展接入更多集群。2020年底采集的指标量每天3194亿的量级，吞吐量达370万/s。

3.采集端Prometheus可以保留极少数据，比如6小时的数据，减少资源消耗。而上层Prometheus由于落数据到时序数据库influxdb中，可以保存一个月数据量甚至更多。

该方案没做到什么：

1.采集端Prometheus扩容问题，单集群中数据规模受Prometheus原生的限制。

2.一级监控平台上时序数据库influxdb有单点问题，数据规模和数据安全性受其影响。信创智慧运维监控管理

上海观纵科技有限公司是以提供webfunny前端监控，webfunny前端埋点，全链路应用性能监控，Argus-IT运维监控为主的有限责任公司，公司始建于2022-11-14，在全国各个地区建立了良好的商贸渠道和技术协作关系。观纵科技以webfunny前端监控，webfunny前端埋点，全链路应用性能监控，Argus-IT运维监控为主业，服务于传媒、广电等领域，为全国客户提供先进webfunny前端监控，webfunny前端埋点，全链路应用性能监控，Argus-IT运维监控。将凭借高精尖的系列产品与解决方案，加速推进全国传媒、广电产品竞争力的发展。

本文来自东莞铭威自动化厂-机器视觉_视觉检测设备_缺陷检测_光学筛选机_自动化检测设备_东莞铭威智能机械-专注于智能机器视觉检测设备：http://jzbfnn.us1788.com/Article/31e86799101.html