Prometheus具备了一套比较完善的监控生态解决方案，同时它也是一个时序的数据库。它的整体架构图如下所示。
这两天我们的一个核心系统，一套集群，逐台开始报警，内容是内存占用超阈值。按说这应该是一个非常紧急且需要立即处理的报警，但实际是不是这样，待我们拨云见日。
公司Exchange邮件系统邮件流故障的故障发现、故障处理和故障修复的过程记录和总结反思。帮助自己总结经验和吸取教训，同时也作为一次反面教材让其他运维或管理员吸取教训。
这是《Linux 运维工程师必备的80个监控工具》的下篇，上篇请点击：Linux运维工程师必备的80个监控工具全集(上） 与系统有关的监控 30 nmom[26] nmon 将数据输出到屏幕上的，或
我们日常经常会提及系统资源的使用状况，那么系统资源具体是指什么呢？其实系统资源主要分为两种，运行资源和存储资源
操作系统安全在计算机信息系统的整体安全性中具有至关重要的作用，没有操作系统提供的安全性，计算机业务系统的安全性是没有基础的。
在混沌工程中数据库调用延迟中详细的介绍了混沌工程的原则以及混沌工程实验的方法论和核心思考点，以及混沌工程需要解决的问题，下面使用混沌工程的方式来模拟系统资源，主要是模拟当系统的CPU和内存都出现负载的情况下，那么这个时候系统资源出现瓶颈的情况下，云服务器中部署的服务这个时候如何来进行很好的切换到新的服务实例。
系统主要针对于各类平台的服务器和各种网络设备的物理层、网络层和应用层的监控。系统记录各类检测信息，从而能使各种故障信息即时通过终端界面、短信、EMAIL、声音来报警或预警，方便维护人员有效处理各种故障信息。对于已经记录的历史信息数据，系统提供了分析决策的工具，起到优化整体系统资源的目的。为简便维护工作，系统提供了版本管理、远程控制管理、资产设备管理、运行维护工作提醒等各类的日常运行维护工具，简便于运行维护工作的开展。
今天处理了一起紧急问题，回过头来看还是有不少需要注意的地方。 首先是收到了报警，有一台DB服务器的负载有一些高，但是会快就恢复了。所以自己也没有在意，但是过了大概40多分钟，又接到一封报警邮件，而且随着报警频繁，感觉真是出了问题，在中控机器上使用ssh连接竟然都抛出了异常。 # ssh 10.127.xxxx Connection timed out during banner exchange 对于这类问题，是因为超出了默认的超时参数，不过我没有纠结在超时的时长，因为这个本身已经不重要，既然中控超时连接，
虽然两个人都在北京，但是距离不算近，一个在望京，一个在中关村，算是北京几大IT聚集圈之二了。
一款轻量级os系统可视化监控指标工具，采集的指标有cpu idle空闲使用率，cpu load负载使用率，内存使用率，磁盘空间使用率。
能够接收摄像机的报警事件，比如几乎所有的摄像机后面会增加报警输入输出接口，如果用户外接了报警输入，则当触发报警以后，对应的事件也会通过onvif传出去，这样就相当于兼容了所有onvif摄像机厂家的报警事件接收，在一些应用系统中，这个功能也是很常见的。接收摄像机的报警信息一般有两种处理方式，一种是订阅，订阅以后摄像机会在请求后一直阻塞等待，如果有新的报警信息则立即返回，否则需要到超时时间才会断开连接请求；还有一种是定时器主动轮询，不断的去询问是否有新的报警事件。关于订阅要阻塞等待的问题，这就涉及到另一个问题，一般Qt默认的并发请求最大6个（貌似这玩意好多浏览器也是这个规约，不知为何这么限定，为了节约系统资源？）这就意味着订阅机制下，最大只能有6个摄像机的报警事件订阅存在，超过就不行，除非有空闲的连接请求断开了，所以很多开发者会选择用其他的http post工具比如curl去处理。
以往，在缺少告警机制的情况下，企业无法第一时间洞悉到系统发生故障，只能通过用户的反馈来获取，系统运维人员往往也只是充当了一个“救火” 队员，大面积的系统瘫痪往往也会给企业和用户带来极大的损失
在电视剧《你安全吗？》第七集中，因为周游的死缠烂打，秦淮第一次提起了他和陈默以前的事情，也给出了之前虎迫公司开除陈默的原因：陈默妈妈被诈骗团伙骗掉所有积蓄，又因为此事走神出了车祸导致瘫痪，陈默一心想要查到诈骗集团线索，于是研究出病毒“复仇”：
APScheduler 是一个强大的Python库，用于实现定时任务调度。然而，当我们在使用APScheduler时，可能会遇到一个常见的错误：MaxInstancesReachedError。这个错误通常发生在我们设置了大量的任务，而APScheduler无法同时处理所有任务的情况下。在本文中，我将介绍如何优化任务设定，以避免这个错误的产生。
思考题 为什么要先有全局监控，再有定向监控：因为首先要从大方向上，找到瓶颈在哪里；再进入细节去分析，才比较有效率 为什么不建议一开始就上代码级的监控工具呢：一上来就上代码级别的监控，一方面配置这些监控太耗时间，另一方面可能得到的数据，也用不上 另外，我们公司用的是DataDog，可以给每个机器单独的top/ps命令的记录，我们公司从框架级别支持收集一些基本的数据（比如，一个GRPC耗时多久），把AWS的相关数据也都集中在这里，还可以设置起来对应的报警；感觉颇为好用
glances是一个基于python语言开发，可以为linux或者UNIX性能提供监视和分析性能数据的功能。glances在用户的终端上显示重要的系统信息，并动态的进行更新，让管理员实时掌握系统资源的使用情况，而动态监控并不会消耗大量的系统资源，比如CPU资源，通常消耗小于2%，glances默认每两秒更新一次数据。同时glances还可以将相同的数据捕获到一个文件，便于以后对报告进行分析和图形绘制，支持的文件格式有.csv电子表格格式和和html格式。
玩 Linux 系统的，都应该知道想要玩转它，就得必须玩转 Linux 的小黑框，简单来说就是必须搞懂 Linux 的常用命令！
随着计算机的发展和普及，计算机系统数量与日俱增，其配套的动力、环境设备也日益增多，建设IT中心机房已成为各大单位的重要组成部分。机房的动力、环境设备（供配电、UPS、空调、消防、安防等）时时刻刻为整个计算机系统提供24小时不间断的正常运行环境，同时保障服务器、网络设备等正常运行。
前面介绍了企业级监控概述及发展等相关的知识点，今天我将详细的为大家介绍 如何做好企业监控系统运维相关知识，希望大家能够从中收获多多！如有帮助，请点在看、转发朋友圈支持一波！！！
上一篇 "大型网站架构概述，我们必须要理解的这五个架构要素" ，我们主要一起理解了大型网站架构设计中高性能，高可用，可伸缩，可扩展和安全性这五大要素，知道了怎么通过这些架构要素来衡量我们整体系统架构设计的优劣。
所以说监控是运维这个职业的根本。尤其是在现在DevOps这么火的时候，用监控数据给自己撑腰，这显得更加必要。
一日凌晨，手机疯狂报警，短信以摧枯拉朽之势瞬间以百条的速度到达，我在睡梦中被惊醒，看到短信的部分内容如下：
SELinux，全称Security-Enhanced Linux，是一种在Linux内核中实现的安全策略，通过强制访问控制来保护系统的完整性。
关注：被调用者 B 是否有消息通知（回调函数）机制 把 最终结果 返回给 A。
项目中的一个case，有一块东西，是要用多线程做一些事情，小伙伴做项目的时候，没有太留神，资源隔离，那块代码，在遇到一些故障的情况下，每个线程在跑的时候，因为那个bug，直接就死循环了，导致那块东西启动了大量的线程，每个线程都死循环
Docker 是一个开源的应用容器引擎，基于 Go 语言 并遵从Apache2.0协议开源。
Tokei 是一个显示有关代码统计信息的程序。Tokei 将显示文件数、这些文件中的总行数以及按语言分组的代码、注释和空白。Tokei 非常快，能够在几秒钟计算数百万行代码。它支持扩展，支持多种编程语言，并且它可以输出多种格式。 并且 Tokei 是跨平台的，可以在 Mac、linux 和 windows 上使用。
在性能测试的过程中，需要关注到各个不同维度的资源变化趋势的过程，比如操作系统中CPU与内存以及平均负载资源变化的趋势，当然还有很多的指标。主要需要关注的是DB资源，操作系统资源，被测服务的资源，以及其他涉及到的中间件(RabbitMQ,Kafka,Nginx,Redis等)的资源。那么针对这些涉及到的资源需要进行监控和关注，这样的好处是在最终分析性能测试的结果中可以结合各个不同资源来分析存在的问题。比如请求一个列表耗时非常长，那么过程到底是数据库的问题，还是服务本身的问题以及服务对应的操作系统资源瓶颈导致的问题，其实在这个过程中，这些都是存在可能性的，所以在具体排查的过程中，就需要知道在这个过程中各个资源的变化趋势，可以借助这些信息来定位到底是什么导致了请求耗时长的问题。因此，在性能测试的过程中，针对资源的监控是非常重要的。
金融系统属于一类系统，无论是基础的支付、账户、结算和资金存管，还是偏业务的消费金融、供应链金融以及行业金融解决方案，都具有一定的类似性，因此一些经验也可以在这些场景下复制。金融系统的金融属性在我理解是“正好一次”，即多一次不行，少一次也不行，因此作为一个资金交易系统，以我个人填过的坑来看，面临的挑战有一下几点：比如以一个清结算系统T+1日的结算功能举例，第一严重是资金重复结算，第二严重的是结算时间延迟了，第三严重的是系统不能提供稳定的服务。
悟空和师父一行人正在前往西天取经的路上，师父在线上买了一个福袋，订单状态显示订单已支付，但是电子福袋状态为未发送。
Podman是一个基于libpod库开发的容器运行时，用于在Linux操作系统上管理和运行容器。与传统的Docker容器运行时不同，Podman无需依赖Docker守护进程，它可以在不同的Linux发行版中独立运行。
凌晨四点被公司的监控告警叫醒了，告警的原因是生产环境跑批任务发生故障。即刻起床处理故障，但还是花了不少时间才解决。
Cacti 是一套基于 PHP、MySQL、SNMP 及 RRD Tool 开发的监测图形分析工具,Cacti 是使用轮询的方式由主服务器向设备发送数据请求来获取设备上状态数据信息的,如果设备不断增多,这个轮询的过程就非常的耗时,轮询的结果就不能即时的反应设备的状态了。Cacti 监控关注的是对数据的展示,却不关注数据异常后的反馈。如果凌晨 3 点的时候设备的某个数据出现异常,除非监控人员在屏幕前发现这个异常变化,否则是没有任何报警机制能够让我们道出现了异常。
了解驱动Docker的核心技术将让您更深入地了解Docker的工作原理，并有助于您更有效地使用该平台。
尽管使用了繁重的系统监控工具，但一个简单的命令可以显示系统上当前的 CPU 和内存使用情况，从而节省您的时间和精力。使用命令方便、轻巧，并且不会占用太多系统资源来显示正在进行的 CPU 和内存负载。在这篇文章中，我们将看到使用这些命令按内存和 CPU 使用率显示正在运行的进程的ps命令。
绘图数量:923 (find /var/lib/pnp4nagios/perfdata -name "*.rrd"|wc -l)
本系列内容是我们在不同项目的维护过程中总结的关于DevOps/SRE方面的最佳实践，我们将致力于在项目上尽最大的努力来推行这些最佳实践。我们希望这些最佳实践能对项目的稳定运营提供帮助，也希望刚接触DevOps/SRE的新人能通过学习这些最佳实践来提升自己在这方面的水平。
在上一个文章中详细了介绍了什么是混沌工程以及混沌工程执行的原则，和混沌工程实验中数据库调用延迟，下来详细的介绍另外一个混沌实验，也就是云服务器磁盘被写满的情况的模拟实验和解决思路。
监控是整个运维乃至整个产品生命周期中最重要的一环，事前及时预警发现故障，事后提供详实的数据用于追查定位问题。目前业界有很多不错的开源产品可供选择。选择一款开源的监控系统，是一个省时省力、效率最高的方案。当然，对监控不是很明白的朋友们，看了以下文章可能会对监控整个体系有比较深刻的认识。
任务调度系统在数据平台中算是非常核心的组件了。在日常的数据处理中，定时运行一些业务是很常见的事，比如定时从数据库将新增数据导入到数据平台，将数据平台处理后的数据导出到数据库或者是文件系统。
在 Linux 系统中，用户模式和内核模式是操作系统的两种不同运行模式。本文将深入探讨这两种模式的含义、区别以及运行原理，帮助读者更好地理解 Linux 系统的运行机制。
iptables系列之layer7 一块网卡多个IP，这张网卡上连接一个交换机，交换机上连接了多个不同网段的主机，如果设置网关，以及转发功能。不同网段主机可以通信。 地址是属于主机的，不属于网卡的。
监控是整个运维乃至整个产品生命周期中最重要的一环，事前及时预警发现故障，事后提供详实的数据用于追查定位问题。
监控是整个运维乃至整个产品生命周期中最重要的一环，事前及时预警发现故障，事后提供详实的数据用于追查定位问题。 目前业界有很多不错的开源产品可供选择。选择一款开源的监控系统，是一个省时省力、效率最高的方案。当然，对监控不是很明白的朋友们，看了以下文章可能会对监控整个体系有比较深刻的认识。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
