封神-核心功能 | 钉钉告警+数据网关

简介：封神-核心功能 | 钉钉告警+数据网关

1. 开发背景

1.1 用户痛点

①租户侧运维能力弱
问题：租户侧，客户没有有效途径，及时地获取实例级的状态、性能、容量的数据。
现状：每日固定时间，驻场需要人肉收集数据，钉钉定时推送给客户。
②问题排查效率低
问题：应用业务有问题，云平台产品正常，客户并不认可，需要帮助客户解决问题。
现状：发现应用实例出现性能、容量被打满的问题，这个排查过程往往冗长， 效率很低。
③监控能力缺失
问题：云平台监控不全，容量管理、性能管理等报表能力缺失。
现状：驻场需要通过大量人肉巡检，或者编写脚本。
④监控 方式时效性低
问题：业务侧总会优先于应用与云平台感知到故障，运维非常被动 。
现状：客户发现问题，通知应用，应用检查后，再溯源到云平台，排查链路串行并且低效。

1.2 解决方案

①保障业务稳定
通过云产品的服务能力的变化情况及业务仿真模型的建立，提前预知客户业务健康度，低于基线后便会触发告警。
②SLA化展示
触发阈值自动报警，量化产品健康状况。

2. 开发设计

2.1 系统架构

图1：系统架构图

封神系统架构如图1所示，分为CLIENT与SERVER端两大模块。

• CLINET端：部署在经典网铜雀容器内，通过定时任务控制去采集云内各产品数据。
• SERVER端：部署在VPC内ECS上，系统框架为FLASK，分为数据处理与数据存储两大部分。

  ①数据处理是指通过提供API接受CLIENT的数据并进行入库操作以及数据的前端展示。
  ②数据存储是指借助阿里云RDS数据库，对数据进行持久化操作作。

2.2 业务架构

图2：业务架构图

封神业务架构如如2所示，分为五大板块。

• 姜子牙：租户侧告警，主要包括ECS、RDS等云产品实例性能以及业务相关告警。
• 申公豹：运维侧告警，主要包括云产品健康状态、水位容量等相关告警。
• 雷震子：硬件告警，主要包括坏盘，物理机带外等告警。
• 比 干：安全告警，主要来自云盾相关安全类告警。
• 杨 戬：故障告警，主要对各产品数据进行SLA算法处理，设置P0,P1等级故障阈值。

3. 钉钉告警

3.1 告警分类

机器人创建方式可参考文后资料[1]了解详情。

姜子牙