WOT2016互聯(lián)網(wǎng)運維與開發(fā)者峰會上，來自極光推送首位大數(shù)據(jù)工程師許俊做了以 “大數(shù)據(jù)架構(gòu)下對于業(yè)務(wù)監(jiān)控的幾點思考”為主題的演講。本文章是把本次分享干貨亮點的整理成文字形式，呈獻廣大的用戶。
許俊是極光的第一位嚴格意義上的大數(shù)據(jù)工程師，目前是大數(shù)據(jù)平臺的負責(zé)人，見證了極光大數(shù)據(jù)平臺從0到1，迅速發(fā)展到現(xiàn)在規(guī)模的歷程。他給開發(fā)者帶來的是大數(shù)據(jù)架構(gòu)下對于業(yè)務(wù)監(jiān)控的幾點思考。通過類比地球地質(zhì)演進的過程，來描述大數(shù)據(jù)架構(gòu)下的業(yè)務(wù)監(jiān)控架構(gòu)的演進歷史。
圖1 大數(shù)據(jù)迅速發(fā)展到現(xiàn)在規(guī)模的歷程
寒武紀——搭建Hadoop集群/Zabbix對機器基本指標(biāo)監(jiān)控
幾億年前的地球處于寒武紀，北半球大部分被海水淹沒，地球上的生物比較匱乏，主要是一些類似藍藻、紅藻這樣的低等生物。這時極光有了第一個Hadoop集群，集群規(guī)模非常小，業(yè)務(wù)、數(shù)據(jù)也比較少。這樣對應(yīng)到監(jiān)控上的壓力也很小，所以只用業(yè)界比較流行的Zabbix做一些基本的機器層面的監(jiān)控。
圖2 Zabbix 對機器基本指標(biāo)監(jiān)控
但業(yè)務(wù)、數(shù)據(jù)不多，不代表沒有問題，有時候會等到第二天，甚至是第三天，業(yè)務(wù)部門反饋出來，才知集群出現(xiàn)問題。如上圖是傳統(tǒng)的監(jiān)控圖，比較被動。這剛剛開始，并沒有投入太多的精力做這個事情。
侏羅紀——開始重視監(jiān)控/定時檢查CDH監(jiān)控
侏羅紀時期，有造山運動和劇烈的火山活動。爬行動物非常發(fā)達，出現(xiàn)了巨大的恐龍、空中飛龍和始祖鳥，植物中蘇鐵、銀杏最繁盛。這是極光的集群規(guī)模隨著業(yè)務(wù)的增長逐漸擴大，開始重視監(jiān)控問題。
圖3 CDH監(jiān)控
許俊表示，當(dāng)時極光選用的是Cloudera的CDH， 如上圖，是CDH監(jiān)控上的部分截圖，監(jiān)控是非常詳細和細致，能滿足當(dāng)時大部分需求。因此在這個基礎(chǔ)上做了一些定制，對接到監(jiān)控系統(tǒng)和報警系統(tǒng)，達到知曉集群狀況的目的。
白堊紀——引入Kafka等組件/基于Zabbix監(jiān)控做定制
白堊紀時期，造山運動非常劇烈，我國許多山脈都在這時形成。動物中恐龍最盛，魚類和鳥類很發(fā)達，哺乳動物開始出現(xiàn)。植物中顯花植物很繁盛，也出現(xiàn)了熱帶植物和闊葉樹。此時，極光集群規(guī)模繼續(xù)擴大，業(yè)務(wù)的復(fù)雜度繼續(xù)提升，故對監(jiān)控的要求越來越高，并且因業(yè)務(wù)需要引進很多新組建，類似Kafka等。
圖4 基于 Zabbix 定制的業(yè)務(wù)監(jiān)控
針對需求，監(jiān)控也應(yīng)隨之進步。CDH滿不能滿足需求的情況下，因有Zabbix傳統(tǒng)監(jiān)控，就在已有的系統(tǒng)前提下做一些定制和開發(fā)。如上圖，在Zabbix框架前提下做的一些定制化開發(fā)，可以看到監(jiān)控的是其中一個zabbix節(jié)點內(nèi)存使用的情況，也同樣對接到告警系統(tǒng)，這樣能夠覆蓋到之前覆蓋不到的業(yè)務(wù)層級。這個過程持續(xù)了比較長的時間，但在用的過程中發(fā)現(xiàn)兩個問題：其一，Zabbix更關(guān)注CPU、Memory、Network 等機器指標(biāo)，對業(yè)務(wù)指標(biāo)支持不好。其二，只能做簡單的記錄和展示，無法靈活地發(fā)現(xiàn)問題。
許俊表示，在這個時期極光又遇到新的困難，想看看繼續(xù)沿著之前的思路想，已有的方案能不能解決。目前監(jiān)控方案有CDH方案、根據(jù)Zabbix做定制方案。CDH方案，雖然Hadoop整個是開元的，但CDH版本的監(jiān)控這一套是相對比較封閉，并且定制化比較高，所以如果在這個基礎(chǔ)上做比較困難。Zabbix也遇到兩個問題，好像這條路走不下去了。這時開始反思是不是應(yīng)該換個方向，換個思路解決這個問題。
新生代——需要一套通用功能豐富的監(jiān)控系統(tǒng)
新生代時期，地殼有強烈的造山運動，早期的爬行動物絕跡，哺乳動物繁盛，生物達到高度發(fā)展階段。此時對于監(jiān)控指標(biāo)的壓力越來越大，簡單的指標(biāo)監(jiān)控已經(jīng)不能滿足要求，出現(xiàn)了越來越多的類似 “平均值”、“最大值”、“求和” 等更靈活多樣的需求，這就需要一套更通用和功能豐富的監(jiān)控系統(tǒng)。
圖5 大數(shù)據(jù)平臺的架構(gòu)
大數(shù)據(jù)平臺架構(gòu)。如上圖是大數(shù)據(jù)平臺的實際架構(gòu)中的一部分，下面深色域是整個集群核心，在CDH的監(jiān)控下已經(jīng)得到比較好的監(jiān)控。上面Flume是作為數(shù)據(jù)收集的核心的組建，Kalka是作為現(xiàn)在數(shù)據(jù)的重點中心。這兩個組建目前是沒辦法覆蓋到監(jiān)控里面去，所以在做一個通用的監(jiān)控系統(tǒng)時，必須照顧到Kalke、Flume，及類似的開元組建。
圖6 基于時間序列的監(jiān)控
選擇Graphite作為核心監(jiān)控組建。許俊表示，經(jīng)過調(diào)研發(fā)現(xiàn)基于時間序列的監(jiān)控能夠滿足需求，它可以把監(jiān)控指標(biāo)值存儲以外，每個指標(biāo)都會帶上一個時間戳，這樣就可以基于時間戳做非常多變換。選擇Graphite的原因有三：其一，可提供一站式解決方案，完成數(shù)據(jù)收集、存儲和展示比較核心的功能。其二，提供了非常豐富的數(shù)據(jù)的操作，基本能涵蓋我們絕大部分的需求。其三，Graphite整個框架是基于Python生態(tài)圈開發(fā)，第三方依賴少。
圖7 Graphite的架構(gòu)
Graphite架構(gòu)。有三個部分組成：Graphite wab，數(shù)據(jù)圖片的渲染及對用戶的交互。Carbon，是來實現(xiàn)接聽端口，接收指標(biāo)數(shù)據(jù)的功能。Whisper，是一個時間序列的數(shù)據(jù)庫，是參考了ID類型數(shù)據(jù)庫做的。
圖8 Graphite下的魔法 — Functions
Graphite下的魔法 — Functions。如上圖可以看到下拉列表里面有非常多豐富的Functions，在使用過程中會發(fā)現(xiàn)，基本上平時業(yè)務(wù)里面能用到的指標(biāo)這里面都能覆蓋到。
圖9 設(shè)計師的頁面 — Grafana
Grafana。 如上圖，為了避免對用戶友好信譽的影響，引入Grafana組件。它是一個純前端的組建，不做任何數(shù)據(jù)收集、數(shù)據(jù)存儲及數(shù)據(jù)計算，只是一個純UI來和用戶完成交互，其后端依然是Graphite。在后臺配置Graphite Metric，就是按照Graphite的格式，一級一級的把目錄定下來，后面Graphite提供一些豐富方法，可以在后面通過簡單的點擊就能完成。也會在上面時時的把一些數(shù)據(jù)指標(biāo)給展示出來。
圖10 強大的collector&aggregator — StatsD
StatsD。如上圖，可以看到StatsD提供了非常多的Metric的類型，可以對接到業(yè)務(wù)，并且它提供各種語言的Collector，在監(jiān)控場景下性能可以達到要求。Aaggregator能對數(shù)據(jù)監(jiān)控指標(biāo)做非常非常多聚合的操作。
圖11 監(jiān)控的監(jiān)控 — Cabot
Cabot。Cabot組件作為監(jiān)控的告警系統(tǒng)。如上右圖，可以看得到Metric就是我們前面提到Graphite那個Metric的路徑，它會實時把圖片秀出來，下面有幾種格式的返回。Cabot除了Graphite以外，它還支持Jenkins、HTTP、ICMP等作為監(jiān)控來源。同時它提供其他格式如，郵件、短信和電話等。但是很遺憾它這些方案都是基于一些開元組件和第三方的組件來做，沒辦法對接到自己的告警系統(tǒng)，因為一般都會自己輪一套告警系統(tǒng)。但是好在Cabot又基于python做的，所以做一些定制非常簡單即可。
圖12 監(jiān)控系統(tǒng)架構(gòu)
監(jiān)控系統(tǒng)架構(gòu)。上圖是監(jiān)控系統(tǒng)的整個架構(gòu)，最右邊是各個業(yè)務(wù)，我們通過StatsD的Collector，把各種Metric收集到StatsD，做一些負載均衡及聚合操作。然后把Metric剖析給Graphite服務(wù)器，Graphite服務(wù)器頁面比較丑，所以給它加了一個漂亮帽子Grafana。整個系統(tǒng)只能收集數(shù)據(jù)，不能發(fā)現(xiàn)問題，所以給它做加一個告警組件Cabot，這樣一來整個業(yè)務(wù)系統(tǒng)的監(jiān)控架構(gòu)就完整了。
圖13 大數(shù)據(jù)時代監(jiān)控系統(tǒng)未來存在的挑戰(zhàn)
大數(shù)據(jù)時代監(jiān)控系統(tǒng)未來面臨哪些挑戰(zhàn)呢？從整個演進的過程來看，架構(gòu)是隨著業(yè)務(wù)不斷的發(fā)展而發(fā)展的，許俊主要講解了以下三個重點：
第一：要整合大數(shù)據(jù)各個組件的通用監(jiān)控告警系統(tǒng)。整個大數(shù)據(jù)平臺的架構(gòu)，肯定是從簡單到復(fù)雜，隨著業(yè)務(wù)的發(fā)展，舊的組件不能滿足需求，然后引入新的組件，會有越來越多的組件加入到架構(gòu)中。監(jiān)控系統(tǒng)也需要覆蓋到這些組件。怎么樣做一套通用監(jiān)控系統(tǒng)，而不用每個都去定制，每個都去寫復(fù)雜的代碼，這是面需要花時間關(guān)注的問題。
第二：整個監(jiān)控系統(tǒng)和內(nèi)部告警系統(tǒng)給對接，但是還有很多各種各樣的系統(tǒng)。其中非常有特點調(diào)度系統(tǒng)，要怎么像對接監(jiān)控系統(tǒng)一樣，把調(diào)度系統(tǒng)對接起來，完成資源更好的利用，是后面需要研究的課題。
第三：有監(jiān)控，有告警，能非常及時的發(fā)現(xiàn)問題。但發(fā)現(xiàn)問題沒用，還要解決問題。現(xiàn)在都是采用人工去做的方式，那怎么樣通過程序的方式，在監(jiān)控系統(tǒng)里面自動觸發(fā)恢復(fù)的操作，讓問題響應(yīng)時間從人工干涉的幾分鐘，甚至幾個小時，變成程序自動恢復(fù)的幾秒，甚至幾毫秒？甚至更進一步，更方便好用及強大的監(jiān)控系統(tǒng)，其實能發(fā)現(xiàn)很多之前傳統(tǒng)的告警或人工沒辦法發(fā)現(xiàn)問題，可以在問題發(fā)生之前就發(fā)出預(yù)警。
核心關(guān)注：拓步ERP系統(tǒng)平臺是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。
轉(zhuǎn)載請注明出處：拓步ERP資訊網(wǎng)http://m.guhuozai8.cn/
本文標(biāo)題：大數(shù)據(jù)架構(gòu)下對于業(yè)務(wù)監(jiān)控的幾點思考
本文網(wǎng)址：http://m.guhuozai8.cn/html/consultation/10839719385.html
相關(guān)文章
