本文是WOT2016互聯網運維與開發者大會的現場干貨，  新一屆主題為WOT2016企業安全技術峰會將在2016年6月24日-25日于北京珠三角JW萬豪酒店隆重召開！

許俊是極光的***位嚴格意義上的大數據工程師，目前是大數據平臺的負責人，見證了極光大數據平臺從0到1，迅速發展到現在規模的歷程。他給開發者帶來的是大數據架構下對于業務監控的幾點思考。通過類比地球地質演進的過程，來描述大數據架構下的業務監控架構的演進歷史。

寒武紀——搭建Hadoop集群/Zabbix對機器基本指標監控

幾億年前的地球處于寒武紀，北半球大部分被海水淹沒，地球上的生物比較匱乏，主要是一些類似藍藻、紅藻這樣的低等生物。這時極光有了***個Hadoop集群，集群規模非常小，業務、數據也比較少。這樣對應到監控上的壓力也很小，所以只用業界比較流行的Zabbix做一些基本的機器層面的監控。

Zabbix 對機器基本指標監控

但業務、數據不多，不代表沒有問題，有時候會等到第二天，甚至是第三天，業務部門反饋出來，才知集群出現問題。如上圖是傳統的監控圖，比較被動。這剛剛開始，并沒有投入太多的精力做這個事情。

侏羅紀——開始重視監控/定時檢查CDH監控

侏羅紀時期，有造山運動和劇烈的火山活動。爬行動物非常發達，出現了巨大的恐龍、空中飛龍和始祖鳥，植物中蘇鐵、銀杏最繁盛。這是極光的集群規模隨著業務的增長逐漸擴大，開始重視監控問題。

CDH監控

許俊表示，當時極光選用的是Cloudera的CDH， 如上圖，是CDH監控上的部分截圖，監控是非常詳細和細致，能滿足當時大部分需求。因此在這個基礎上做了一些定制，對接到監控系統和報警系統，達到知曉集群狀況的目的。

白堊紀——引入Kafka等組件/基于Zabbix監控做定制

白堊紀時期，造山運動非常劇烈，我國許多山脈都在這時形成。動物中恐龍最盛，魚類和鳥類很發達，哺乳動物開始出現。植物中顯花植物很繁盛，也出現了熱帶植物和闊葉樹。此時，極光集群規模繼續擴大，業務的復雜度繼續提升，故對監控的要求越來越高，并且因業務需要引進很多新組建，類似Kafka等。

基于 Zabbix 定制的業務監控

針對需求，監控也應隨之進步。CDH滿不能滿足需求的情況下，因有Zabbix傳統監控，就在已有的系統前提下做一些定制和開發。如上圖，在Zabbix框架前提下做的一些定制化開發，可以看到監控的是其中一個zabbix節點內存使用的情況，也同樣對接到告警系統，這樣能夠覆蓋到之前覆蓋不到的業務層級。這個過程持續了比較長的時間，但在用的過程中發現兩個問題：其一，Zabbix更關注CPU、Memory、Network 等機器指標，對業務指標支持不好。其二，只能做簡單的記錄和展示，無法靈活地發現問題。

許俊表示，在這個時期極光又遇到新的困難，想看看繼續沿著之前的思路想，已有的方案能不能解決。目前監控方案有CDH方案、根據Zabbix做定制方案。CDH方案，雖然Hadoop整個是開元的，但CDH版本的監控這一套是相對比較封閉，并且定制化比較高，所以如果在這個基礎上做比較困難。Zabbix也遇到兩個問題，好像這條路走不下去了。這時開始反思是不是應該換個方向，換個思路解決這個問題。

新生代——需要一套通用功能豐富的監控系統

新生代時期，地殼有強烈的造山運動，早期的爬行動物絕跡，哺乳動物繁盛，生物達到高度發展階段。此時對于監控指標的壓力越來越大，簡單的指標監控已經不能滿足要求，出現了越來越多的類似 “平均值”、“***值”、“求和” 等更靈活多樣的需求，這就需要一套更通用和功能豐富的監控系統。

大數據平臺的架構

大數據平臺架構。如上圖是大數據平臺的實際架構中的一部分，下面深色域是整個集群核心，在CDH的監控下已經得到比較好的監控。上面Flume是作為數據收集的核心的組建，Kalka是作為現在數據的重點中心。這兩個組建目前是沒辦法覆蓋到監控里面去，所以在做一個通用的監控系統時，必須照顧到Kalke、Flume，及類似的開元組建。

基于時間序列的監控

選擇Graphite作為核心監控組建。許俊表示，經過調研發現基于時間序列的監控能夠滿足需求，它可以把監控指標值存儲以外，每個指標都會帶上一個時間戳，這樣就可以基于時間戳做非常多變換。選擇Graphite的原因有三：其一，可提供一站式解決方案，完成數據收集、存儲和展示比較核心的功能。其二，提供了非常豐富的數據的操作，基本能涵蓋我們絕大部分的需求。其三，Graphite整個框架是基于Python生態圈開發，第三方依賴少。

Graphite的架構

Graphite架構。有三個部分組成：Graphite  wab，數據圖片的渲染及對用戶的交互。Carbon，是來實現接聽端口，接收指標數據的功能。Whisper，是一個時間序列的數據庫，是參考了ID類型數據庫做的。

Graphite下的魔法 — Functions

 Graphite下的魔法 — Functions。如上圖可以看到下拉列表里面有非常多豐富的Functions，在使用過程中會發現，基本上平時業務里面能用到的指標這里面都能覆蓋到。

設計師的頁面 — Grafana

Grafana。 如上圖，為了避免對用戶友好信譽的影響，引入Grafana組件。它是一個純前端的組建，不做任何數據收集、數據存儲及數據計算，只是一個純UI來和用戶完成交互，其后端依然是Graphite。在后臺配置Graphite Metric，就是按照Graphite的格式，一級一級的把目錄定下來，后面Graphite提供一些豐富方法，可以在后面通過簡單的點擊就能完成。也會在上面時時的把一些數據指標給展示出來。

強大的collector&aggregator — StatsD

StatsD。如上圖，可以看到StatsD提供了非常多的Metric的類型，可以對接到業務，并且它提供各種語言的Collector，在監控場景下性能可以達到要求。Aaggregator能對數據監控指標做非常非常多聚合的操作。

監控的監控 — Cabot

Cabot。Cabot組件作為監控的告警系統。如上右圖，可以看得到Metric就是我們前面提到Graphite那個Metric的路徑，它會實時把圖片秀出來，下面有幾種格式的返回。Cabot除了Graphite以外，它還支持Jenkins、HTTP、ICMP等作為監控來源。同時它提供其他格式如，郵件、短信和電話等。但是很遺憾它這些方案都是基于一些開元組件和第三方的組件來做，沒辦法對接到自己的告警系統，因為一般都會自己輪一套告警系統。但是好在Cabot又基于python做的，所以做一些定制非常簡單即可。

監控系統架構

監控系統架構。上圖是監控系統的整個架構，最右邊是各個業務，我們通過StatsD的Collector，把各種Metric收集到StatsD，做一些負載均衡及聚合操作。然后把Metric剖析給Graphite服務器，Graphite服務器頁面比較丑，所以給它加了一個漂亮帽子Grafana。整個系統只能收集數據，不能發現問題，所以給它做加一個告警組件Cabot，這樣一來整個業務系統的監控架構就完整了。

大數據時代監控系統未來存在的挑戰

大數據時代

大數據時代監控系統未來面臨哪些挑戰呢？從整個演進的過程來看，架構是隨著業務不斷的發展而發展的，許俊主要講解了以下三個重點：

***：要整合大數據各個組件的通用監控告警系統。整個大數據平臺的架構，肯定是從簡單到復雜，隨著業務的發展，舊的組件不能滿足需求，然后引入新的組件，會有越來越多的組件加入到架構中。監控系統也需要覆蓋到這些組件。怎么樣做一套通用監控系統，而不用每個都去定制，每個都去寫復雜的代碼，這是面需要花時間關注的問題。

第二：整個監控系統和內部告警系統給對接，但是還有很多各種各樣的系統。其中非常有特點調度系統，要怎么像對接監控系統一樣，把調度系統對接起來，完成資源更好的利用，是后面需要研究的課題。

第三：有監控，有告警，能非常及時的發現問題。但發現問題沒用，還要解決問題。現在都是采用人工去做的方式，那怎么樣通過程序的方式，在監控系統里面自動觸發恢復的操作，讓問題響應時間從人工干涉的幾分鐘，甚至幾個小時，變成程序自動恢復的幾秒，甚至幾毫秒？甚至更進一步，更方便好用及強大的監控系統，其實能發現很多之前傳統的告警或人工沒辦法發現問題，可以在問題發生之前就發出預警。

演講視頻：http://edu.51cto.com/lesson/id-100759.html

【講師簡介】

[[167075]]

許俊，高級Hadoop工程師，大數據平臺負責人。極光推送首位大數據工程師，見證并負責整個極光推送大數據平臺的演進，目前負責Hadoop平臺，流計 算系統、圖數據庫服務、spark算法平臺等基礎數據平臺。在Hadoop運維開發，大規模分布式計算平臺領域有著豐富經驗。