六个人如何运维一万台服务器？

监控报警

下面看一下我们是怎么在运维平台去做监控报警的。作为一个互联网公司，保证 7x24 小时提供服务是一个最基本的要求，我们要怎么去保证 7x24 小时服务？

假如说系统有问题的时候，我们能够提前预警发现，等系统真正出现问题的时候，我们能够及时的发现。要保证这两点，我们就需要监控报警系统。

去哪儿网的监控报警系统也是经历了很长时间的挣扎，刚开始每个部门都会维护自己的一套系统，刚开始是 Cacti 和 Nagios 这两个模块去搭建的，这样存在什么问题？

• Cacti 部署在单机上，不能横向拓展，导致性能比较差。假如单机出现异常甚至宕机，那我们的监控报警系统就完全不可用，所以这是一个非高可用的方案。

• 每个部门都会维护一套自己的监控系统，甚至比较大的部门，像酒店机票这种大部门，他们可能会维护很多套，每一套都需要有专门的人员来运维，运维成本也非常高。

由于之前的系统没有很好的权限管理，这个系统只能由专门的人来负责，因为放开给其他人权限是比较危险的，可能有人不小心操作了什么，把报警删掉或者修改报警配置，所以只有把报警交给专人负责。

要定制一个报警监控沟通成本非常高，我们需要联系自己的相关负责人，然后再去报警配置。

开发人员觉得太麻烦了，干脆不做了，或者做得非常少，导致我们监控的面不够全，可能有一些异常甚至是故障都没有及时发现，效率是比较低下的。

怎么解决这个问题？我们做了一个公司级的统一监控报警平台 Watcher 。

报警平台有这样几个目标：

• 高可用，一台机器或几台机器挂了，对我们没有影响或者影响很小。

• （编辑：核心网）

  【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!