微服务架构学习与思考(14)：监控和可观测性详细介绍

一、APP故障小故事

在一个休息日的周六，你和朋友在公司附近逛街，突然，老板来了一通电话：

• 老板：小王，我们 APP 购物详情页面，怎么突然访问不了，一直在那里加载，出了什么 bug，赶紧看看？

• 小王：好的，老板，你等等，我马上回来看看是咋回事。

丢下朋友，一路小跑，火花带闪电，奔回办公室，开机找 bug。

修好 bug 后，就应该思考一下，老板是咋发现这种情况？为什么他能先于我发现呢？有什么好的手段处理这种情况，我能最先发现网站访问异常？然后抓紧处理。

这时，你可能想到了对网站进行监控，化被动为主动，主动去获取 APP 异常信息。不错，这是一个很好的方法。

二、为什么需要监控

从上面的小故事可以得到一些启发，比如 APP 发生不能访问的异常情况时，相关人员能够快速感知到异常情况的发生，先于用户得到异常情况的信息，能让相关人员及时进行应急处理，减少损失。而不是等到多数用户来报告异常情况才去处理，这时损失就变大了。

监控系统不仅可以监控上面提到的应用程序页面访问异常，还可以监控其他页面访问流量，API 调用情况，响应时间，请求频率，错误率等等，这些都关乎业务整体运行情况。

对应用程序本身也可以进行监控，比如 APM（应用程序性能监控）监控，这样遇到应用程序故障时，可以快速定位问题、处理问题。

还有当运行应用程序服务器的 CPU、内存持续走高，磁盘存储空间所剩不多等等各种异常情况，都需要监控来及时发现，并报给运维人员进行处理。

上面不管是业务访问异常，还是服务器资源运行异常，还是 API 调用异常，程序出 bug 等各种异常情况，都需要及时发现并处理，目的是减少业务损失。

可以通过监控系统来及时发现异常情况，并通过系统记录与异常相关联的信息，还原异常出现的现场环境，从而协助运维或研发人员快速定位问题，并及时处理异常情况。

三、监控作用总结

为什么需要监控，除了上面说的作用外，下面对监控的作用做一些总结。（我理解的最大作用是：化被动为主动）

• 近实时了解业务运行的健康状况
• 提前获知业务异常情况信息并告警通知
• 帮助定位各种异常、bug等故障
• 为排障提供详细信息
• 业务运营信息的统计和监控
• 监控系统资源使用情况，保障系统稳定运行
• 对异常情况发出告警通知，及时进行处理

四、监控系统流程

监控系统一般流程如下图：

• 数据采集：

  通过采集工具收集相关监控指标的数据，比如采集操作系统指标， CPU 使用率、内存使用率、TCP 连接数等等。常用的采集数据的方式有代理和埋点 2 种方式。

  • 数据采集的软件工具，有 Filebeat，Fluentd，Fluent Bit，LogStash，Promtai，Vector，Mtail，Flume 等等。

• 数据处理：

  又可以叫数据计算处理，对采集到的原始数据进行各种纬度的计算处理，得到我们想要的一些监控指标数据。比如对于一些业务指标的计算，今天新增用户的数、7 天新增用户数、7 天某页面的 UV 等等数据指标。

  • 处理数据的工具有哪些？一般需要自己开发程序来进行数据处理，简单的指标计算可以通过 SQL 来进行统计。数据量比较大统计实时性高，可以使用 storm，