在微服務(wù)架構(gòu)下，我們對(duì)服務(wù)進(jìn)行了拆分，所以用戶的每次請(qǐng)求不再是由某一個(gè)服務(wù)獨(dú)立完成了，而是變成了多個(gè)服務(wù)一起配合完成。這種情況下，一旦請(qǐng)求出現(xiàn)異常，我們必須得知道是在哪個(gè)服務(wù)環(huán)節(jié)出了故障，就需要對(duì)每一個(gè)服務(wù)，以及各個(gè)指標(biāo)都進(jìn)行全面的監(jiān)控。

[[277024]]

一、什么是「 監(jiān)控系統(tǒng) 」?

在微服務(wù)架構(gòu)中，監(jiān)控系統(tǒng)按照原理和作用大致可以分為三類(并非嚴(yán)格分類，僅從日常使用角度來看)：

• 日志類(Log);
• 調(diào)用鏈類(Tracing);
• 度量類(Metrics)。

下面來分別對(duì)這三種常見的監(jiān)控模式進(jìn)行說明。

1、日志類

日志類比較常見，我們的框架代碼、系統(tǒng)環(huán)境，以及業(yè)務(wù)邏輯中一般都會(huì)產(chǎn)出一些日志，這些日志我們通常把它記錄后統(tǒng)一收集起來，方便在需要的時(shí)候進(jìn)行查詢。

日志類記錄的信息一般是一些事件、非結(jié)構(gòu)化的一些文本內(nèi)容。日志的輸出和處理的解決方案比較多，大家熟知的有ELK Stack方案(Elasticseach + Logstash + Kibana)，如圖：

使用Beats(可選)在每臺(tái)服務(wù)器上安裝后，作為日志客戶端收集器，然后通過Logstash進(jìn)行統(tǒng)一的日志收集、解析、過濾等處理，再將數(shù)據(jù)發(fā)送給Elasticsearch中進(jìn)行存儲(chǔ)分析，最后使用Kibana來進(jìn)行數(shù)據(jù)的展示。

當(dāng)然還可以升級(jí)方案為：

這些方案都比較成熟，搭建起來也比較簡(jiǎn)單，除了用作監(jiān)控系統(tǒng)以外，還可以作為日志查詢系統(tǒng)使用，非常適用于做分析、以及問題調(diào)試使用。

2、調(diào)用鏈類(Tracing)

調(diào)用鏈類監(jiān)控主要是指記錄一個(gè)請(qǐng)求的全部流程。一個(gè)請(qǐng)求從開始進(jìn)入，在微服務(wù)中調(diào)用不同的服務(wù)節(jié)點(diǎn)后，再返回給客戶端，在這個(gè)過程中通過調(diào)用鏈參數(shù)來追尋全鏈路行為。通過這個(gè)方式可以很方便的知道請(qǐng)求在哪個(gè)環(huán)節(jié)出了故障，系統(tǒng)的瓶頸在哪兒。

這一類的監(jiān)控一般采用CAT工具 來完成，一般在大中型項(xiàng)目較多用到，因?yàn)榇罱ㄆ饋碛幸欢ǖ某杀?。后面?huì)有單獨(dú)文章來講解這個(gè)調(diào)用鏈監(jiān)控系統(tǒng)。

這也是簡(jiǎn)單的容錯(cuò)方式。就是指在服務(wù)之間調(diào)用時(shí)，設(shè)置一個(gè)主動(dòng)超時(shí)時(shí)間，超過了這個(gè)時(shí)間閾值后，如果“被依賴的服務(wù)”還沒有返回?cái)?shù)據(jù)的話，“調(diào)用者”就主動(dòng)放棄，防止因“被依賴的服務(wù)”的故障所影響。

3、度量類(Metrics)

度量類主要采用時(shí)序數(shù)據(jù)庫的解決方案。它是以事件發(fā)生時(shí)間以及當(dāng)前數(shù)值的角度來記錄的監(jiān)控信息，是可以聚合運(yùn)算的，用于查看一些指標(biāo)數(shù)據(jù)和指標(biāo)趨勢(shì)。所以這類監(jiān)控主要不是用來查問題的，主要是用來看趨勢(shì)的。

Metrics一般有5種基本的度量類型：

• Gauges(度量);
• Counters(計(jì)數(shù)器);
• Histograms(直方圖);
• Meters(TPS計(jì)算器);
• Timers(計(jì)時(shí)器)。

基于時(shí)間序列數(shù)據(jù)庫的監(jiān)控系統(tǒng)是非常適合做監(jiān)控告警使用的，所以現(xiàn)在也比較流行這個(gè)方案，如果我們要搭建一套新的監(jiān)控系統(tǒng)，我也建議參考這類方案進(jìn)行。

因此本文接下來也會(huì)重點(diǎn)以時(shí)間序列數(shù)據(jù)庫的監(jiān)控系統(tǒng)為主角來描述。

二、「 監(jiān)控系統(tǒng) 」關(guān)注的對(duì)象和指標(biāo)都是什么?

一般我們做「監(jiān)控系統(tǒng)」都是需要做分層式監(jiān)控的，也就是說將我們要監(jiān)控的對(duì)象進(jìn)行分層，一般主要分為：

• 系統(tǒng)層：系統(tǒng)層主要是指CPU、磁盤、內(nèi)存、網(wǎng)絡(luò)等服務(wù)器層面的監(jiān)控，這些一般也是運(yùn)維同學(xué)比較關(guān)注的對(duì)象;
• 應(yīng)用層：應(yīng)用層指的是服務(wù)角度的監(jiān)控，比如接口、框架、某個(gè)服務(wù)的健康狀態(tài)等，一般是服務(wù)開發(fā)或框架開發(fā)人員關(guān)注的對(duì)象;
• 用戶層：這一層主要是與用戶、與業(yè)務(wù)相關(guān)的一些監(jiān)控，屬于功能層面的，大多數(shù)是項(xiàng)目經(jīng)理或產(chǎn)品經(jīng)理會(huì)比較關(guān)注的對(duì)象。

知道了監(jiān)控的分層后，我們?cè)賮砜匆幌卤O(jiān)控的指標(biāo)一般有哪些：

• 延遲時(shí)間：主要是響應(yīng)一個(gè)請(qǐng)求所消耗的延遲，比如某接口的HTTP請(qǐng)求平均響應(yīng)時(shí)間為100ms;
• 請(qǐng)求量：是指系統(tǒng)的容量吞吐能力，例如每秒處理多少次請(qǐng)求(QPS)作為指標(biāo);
• 錯(cuò)誤率：主要是用來監(jiān)控錯(cuò)誤發(fā)生的比例，比如將某接口一段時(shí)間內(nèi)調(diào)用時(shí)失敗的比例作為指標(biāo)。

三、基于時(shí)序數(shù)據(jù)庫的「 監(jiān)控系統(tǒng) 」有哪些?

下面介紹幾款目前業(yè)內(nèi)比較流行的基于時(shí)間序列數(shù)據(jù)庫的開源監(jiān)控方案。

1、Prometheus

Promethes是一款2012年開源的監(jiān)控框架，其本質(zhì)是時(shí)間序列數(shù)據(jù)庫，由Google前員工所開發(fā)。

Promethes采用拉的模式(Pull)從應(yīng)用中拉取數(shù)據(jù)，并還支持Alert模塊可以實(shí)現(xiàn)監(jiān)控預(yù)警。它的性能非常強(qiáng)勁，單機(jī)可以消費(fèi)百萬級(jí)時(shí)間序列。

架構(gòu)如下：

從看圖的左下角可以看到，Prometheus可以通過在應(yīng)用里進(jìn)行埋點(diǎn)后Pull到Prometheus Server里，如果應(yīng)用不支持埋點(diǎn)，也可以采用exporter方式進(jìn)行數(shù)據(jù)采集。

從圖的左上角可以看到，對(duì)于一些定時(shí)任務(wù)模塊，因?yàn)槭侵芷谛赃\(yùn)行的，所以采用拉的方式無法獲取數(shù)據(jù)，那么Prometheus也提供了一種推數(shù)據(jù)的方式，但是并不是推送到Prometheus Server中，而是中間搭建一個(gè)Pushgateway，定時(shí)任務(wù)模塊將metrics信息推送到這個(gè)Pushgateway中，然后Prometheus Server再依然采用拉的方式從Pushgateway中獲取數(shù)據(jù)。

需要拉取的數(shù)據(jù)既可以采用靜態(tài)方式配置在Prometheus Server中，也可以采用服務(wù)發(fā)現(xiàn)的方式(即圖的中上方Service discovery所示)。

PromQL：是Prometheus自帶的查詢語法，通過編寫PromQL語句可以查詢Prometheus里面的數(shù)據(jù)。

Alertmanager：是用于數(shù)據(jù)的預(yù)警模塊，支持通過多種方式去發(fā)送預(yù)警。

WebUI：是用來展示數(shù)據(jù)和圖形的，但是一般大多數(shù)是與Grafana結(jié)合，采用Grafana來展示。

2、OpenTSDB

OpenTSDB是在2010年開源的一款分布式時(shí)序數(shù)據(jù)庫，當(dāng)然其主要用于監(jiān)控方案中。

OpenTSDB采用的是HBase的分布式存儲(chǔ)，它獲取數(shù)據(jù)的模式與Prometheus不同，采用的是推模式(Push)。

在展示層，OpenTSDB自帶有WebUI視圖，也可以與Grafana很好的集成，提供豐富的展示界面。

但OpenTSDB并沒有自帶預(yù)警模塊，需要自己去開發(fā)或者與第三方組件結(jié)合使用。

可以通過下圖來了解一下OpenTSDB的架構(gòu)：

3、InfluxDB

InfluxDB是在2013年開源的一款時(shí)序數(shù)據(jù)庫，在這里我們主要還是用于做監(jiān)控系統(tǒng)方案。它收集數(shù)據(jù)也是采用推模式(Push)。在展示層，InfluxDB也是自帶WebUI，也可以與Grafana集成。

以上，就是我對(duì)微服務(wù)架構(gòu)中「 監(jiān)控系統(tǒng)」的一些思考。