服务端监控要怎么做?

文章出自：阿里巴巴十亿级并发系统设计（2021版）

链接：https://pan.baidu.com/s/1lbqQhDWjdZe1CBU-6U4jhA 提取码：8888 

目录

监控指标如何选择

如何采集数据指标

监控数据的处理和存储

课程小结

---

在一个项目的生命周期里，运行维护占据着很大的比重，在重要性上，它几乎与项目研发并驾齐驱。而在系统运维过程中，能够及时地发现问题并解决问题，是每一个团队的本职工 作。所以，你的垂直电商系统在搭建之初，运维团队肯定完成了对于机器 CPU、内存、磁盘、网络等基础监控，期望能在出现问题时，及时地发现并且处理。你本以为万事大吉，却没想到系统在运行过程中，频频得到用户的投诉，原因是:

• 使用的数据库主从延迟变长，导致业务功能上出现了问题;
• 接口的响应时间变长，用户反馈商品页面出现空白页;
• 系统中出现大量错误，影响了用户的正常使用。

这些问题，你本应该及时发现并处理的。但现实是，你只能被动地在问题被用户反馈后，手忙脚乱地修复。这时，你的团队才意识到，要想快速地发现和定位业务系统中出现的问题， 必须搭建一套完善的服务端监控体系。正所谓“道路千万条，监控第一条，监控不到位，领导两行泪”。不过，在搭建的过程中，你的团队又陷入了困境:

• 首先，监控的指标要如何选择呢?
• 采集这些指标可以有哪些方法和途径呢?
• 指标采集到之后又要如何处理和展示呢?

这些问题，一环扣一环，关乎着系统的稳定性和可用性，而本节课，我就带你解决这些问 题，搭建一套服务端监控体系。

监控指标如何选择

你在搭建监控系统时，所面临的第一个问题就是，选择什么样的监控指标，也就是监控什 么。有些同学在给一个新的系统，设定监控指标的时候，会比较迷茫，不知道从哪方面入 手。其实，有一些成熟的理论和套路，你可以直接拿来使用。比如，谷歌针对分布式系统监控的经验总结，四个黄金信号(Four Golden Signals)。它指的是，在服务层面一般需要监控四个指标，分别是延迟、通信量、错误和饱和度。

• 延迟：指的是请求的响应时间比如，接口的响应时间、访问数据库和缓存的响应时间。
• 通信量：可以理解为吞吐量，也就是单位时间内，请求量的大小。比如，访问第三方服务 的请求量，访问消息队列的请求量。
• 错误：表示当前系统发生的错误数量。这里需要注意的是， 我们需要监控的错误既有显示 的，比如在监控 Web 服务时，出现 4 * * 和 5 * * 的响应码;也有隐示的，比如，Web 服务虽然返回的响应码是 200，但是却发生了一些和业务相关的错误(出现了数组越界 的