这些技术轮子，让监控落地成为现实！

场景一：页面提示超时了，到底是哪个服务响应慢了呢？

 

场景二：系统当前的处理能力如何，TPS、QPS 指标是多少呢？

 

场景三：线上服务部署在多台机器上，你挨个登录机器去查日志，感觉烦不烦？

 

面对诸如上面的场景，如果你正在纠结，那今天罗列推荐的这些轮子，多少都能解你所惑。

 

0. 监控天下三分

 

先帝创业未半而中道崩殂，今监控天下三分。如下图所示，监控的天下被划分为基于 Tracing（调用链）监控、基于Metrics（指标）监控、基于Logging（日志） 的监控。

 

 

 

1. 基于 Tracing 的监控

 

基于 Tracing 的监控，背后对应的是追踪系统，也有人叫调用链系统，做应用性能监控（APM）这块是必不可少的。

 

如果你想知道一次服务调用，中间经过了哪些环节？如果你想了解一次服务调用过程中各个环节的耗时？如果... ... 那不妨了解了解下面的这些轮子。

 

 

 

 

Skywalking，国产的优秀 APM 组件。是一个对 Java 分布式应用的业务运行情况进行追踪、告警和分析的系统。

开源地址：https://github.com/apache/skywalking

　　

Zipkin，是由 Twitter 公司开源的分布式的跟踪系统。主要包括：数据的收集、存储、查找和展现。

开源地址：https://github.com/openzipkin/zipkin

　　

Pinpoint，由韩国人开源的分布式跟踪组件，是一款对 Java 编写的大规模分布式系统的 APM 工具。

开源地址：https://github.com/naver/pinpoint

　　 

贴一下效果图，不知能否勾起你心中的火

 

 

 

2. 基于 Metrics 的监控

 

基于 Metrics 的监控，背后对应的是度量（指标监控）系统。

 

如果你想知道机器在某段时间内的 CPU 使用率、系统负载；如果你想知道应用在某段时间内的 HTTP 请求访问量；如果你想知道 MySQL 的连接数、QPS；如果... ... 那不妨尽情的了解了解下面的这些轮子。

 

 

Prometheus + Grafana，普罗米修斯邂逅格拉法纳就成了监控界的 PGOne，宣称使用领先的开源监控解决方案去增强指标监控功能，不过敲摸试了一下，效果也确实强大。

学习地址：https://github.com/prometheus

　　

Influxdata，定位也是一个强大的实时监控系统。大体流程是：telegraf 收集监控的指标；然后交给 InfluxDB 进行存储；chronograf 负责从 InfluxDB 查询数据展示；kapacitor 负责监控报警。

学习地址：https://github.com/influxdata

　　

Grafana，格拉法纳专业负责展示，提供漂亮的UI。不过她可以跟上面的普罗米修斯 Prometheus、InfluxDB 任性组合搭配，这倒是给我们提供一种扩展的可能性，我们只需要把要监控的指标放进 InfluxDB，再搭上 Grafana，那效果堪称完美！

学习地址：https://github.com/grafana

　　

Skywalking，在上面基于 Tracing 监控的部分已经提到了，看来是能者多劳了，既能做调用链监控，又能基于指标进行监控。

学习地址：https://github.com/apache/skywalking

 

Elastic，估计很多人都听说过它旗下的 ELK，也就是 ElasticSearch + Logstash + Kibana 的组合。由于后来推出了一系列的专门用于采集数据的 Beats，造就了无限的可能性，当然完成 Metrics 指标采集监控也不在话下。

学习地址：https://www.elastic.co/cn/products/infrastructure-monitoring

　　

肆意贴一张 Grafana  的效果图，看看你是否钟爱这一款？

 

3. 基于 Logging 的监控

 

基于 Logging 的监控，说白了也就是日志监控。

 

我们都知道，在微服务盛行的今天，服务散落部署在各个节点，导致排查定位问题需要连续切换 N 台机器，操作相当繁琐，不知道你有没有同感。如果你也有此同感，不妨了解了解下面的技术轮子。

 

 

 

日志监控的整体设计思路大多为：日志采集、日志存储、日志分析及报警，如果日志量再大点，那就来一个对列（kafka、redis、RabbitMQ等）作为缓冲。

 

Elastic，在上面基于指标监控的部分已经提到了它，其实由于采集数据的 Beats 下有一款 FileBeat 专门采集日志文件，然后把采集的日志存储到 ElasticSearch，接下来用 Kibana 进行分析展示，这样一套轮子组合让你查询日志不再难（小声的说一下，貌似它也支持 APM 应用性能监控，三分天下而它是交汇的覆盖区域）。

入门地址：https://www.elastic.co/cn/products/log-monitoring

　　

Graylog，一个集日志归集、分析、展现和预警工具，而且是基于 Java 开发，你心不心动？有没有想跃跃欲试？

入门地址：https://www.graylog.org

　　

Rsyslog，一款用于Linux系统以通过TCP/UDP协议转发或接收日志消息的开源工具。

入门地址：https://www.rsyslog.com

 

Flume，一款用 Java 开发的采集 agent，让 Java 猿二次包装开发不是问题。

入门地址：http://flume.apache.org/

　　

 

4. 多说两句

 

说了这么多，轮子千万款，感觉总有一款适合你，或许有了轮子的助力，会让你事半功倍，腾出更多时间冲咖啡！

 

 不过话又说回来，纸上得来终觉浅，绝知此事要躬行；纵然轮子千万款，唯有实践才是硬道理！

 

另外本次谈及的部分技术轮子的用法，在之前的系列文章中都曾提及，感兴趣的可以看看往期的文章。

 

好了，这篇分享都到这儿吧，希望你们能够喜欢。