监控系统到底都监控什么？QoS与SLA又将如何得以保障？

目录

1、传统应用监控

2、业务应用监控，简称SSM

3、Kubernetes容器应用监控方案——Prometheus+Grafana监控系统

Prometheus可以做什么

4、基于Pinpoint应用性能监控

5、NPM网络性能监控

6、微服务的全链路监控（Google Dapper）

7、智能监控（AI、人工智能、大数据）

高性能日志分析（DOLA）

---

业务高速发展，服务质量（QoS）与系统服务等级协议（SLA）指标如何得以保障呢？全方位立体式监控，一站式服务，助力企业快速发现并定位问题，提升服务质量，达到服务高可用指标。

从监控历程看，大概分为一下几部分：

1、传统应用监控

由于开放式平台标准化产品的特点，通过使用IBM tivoli、HP OpenView、Oracle EM等标准化的商用监控产品，数据中心能够方便快捷地实现面向主机、服务器、网络、存储、环境动力、操作系统、数据库、中间件等标准化软硬件产品的监控，并实现了各个专业的监控事件和容量性能数据的集中展现和处理。

以下是中间件监控视图（Redis、Mysql等）

2、业务应用监控，简称SSM

SSM是指对关键业务应用的监测和优化，提高业务应用的可用性和可靠性指标，在提供更优质服务的前提下，降低运维的投入和工作量，为用户带来更多的商业利益和客户体验。

业务运维，实现业务和ID的双向驱动。从业务视角实时感知业务系统运行状态，确保业务连续性，持续提升业务效能。业务监控的核心价值主要体现在以下几方面：

• 监控业务表现
• 确保业务连续性
• 全渠道业务管控
• 完善数字化KPI

如何实现业务监控，业务监控指标是关键。Four Golden Signals是Google针对大量分布式监控的经验总结，4个黄金指标可以在服务级别帮助衡量终端用户体验、服务中断、业务影响等层面的问题。主要关注与以下四种类型的指标：延迟，通讯量，错误以及饱和度。

延迟：服务请求所需时间。

记录用户所有请求所需的时间，重点是要区分成功请求的延迟时间和失败请求的延迟时间。 例如在数据库或者其他关键祸端服务异常触发HTTP 500的情况下，用户也可能会很快得到请求失败的响应内容，如果不加区分计算这些请求的延迟，可能导致计算结果与实际结果产生巨大的差异。除此以外，在微服务中通常提倡“快速失败”，开发人员需要特别注意这些延迟较大的错误，因为这些缓慢的错误会明显影响系统的性能，因此追踪这些错误的延迟也是非常重要的。

通讯量：监控当前系统的流量，用于衡量服务的容量需求。

流量对于不同类型的系统而言可能代表不同的含义。例如，在HTTP REST API中, 流量通常是每秒HTTP请求数；

错误：监控当前系统所有发生的错误请求，衡量当前系统错误发生的速率。

对于失败而言有些是显式的(比如, HTTP 500错误)，而有些是隐式(比如，HTTP响应200，单实际业务流程依然是失败的)。
对于一些显式的错误如HTTP 500可以通过在负载均衡器(如Nginx)上进行捕获，而对于一些系统内部的异常，则可能需要直接从服务