前言
监控系统，是通过持续信息采集、收敛、分析来发现问题，并对解决问题提供数据依赖的一种科学技术。通过监控技术可以实现对故障进行 “事前预警，事后追踪”。
监控，是运维工作中的重要技术，如果没有监控，运维人员就相当于盲人摸象，发现问题会变得很被动；监控也是整个产品生命周期中最重要的一环，如果没有监控，产品中存在的问题就只能等用户反馈（客诉），严重降低用户体验。
目前，互联网行业的监控技术已经很成熟，业界有很多不错的开源产品可供选择，运维在开展监控工作时，选择一款开源监控系统，是一个省时省力，效率最高的方案。
监控目的
监控的目的是通过采集准确的监控指标、配置合理的告警机制，提前或者尽早发现问题，并做出响应、解决问题，进而保证产品的稳定性，提升用户体验。
具体可分为以下几方面：
- 对系统持续实时监控：指硬件系统，如服务器、路由器、交换机等；
- 对应用持续实时监控：指业务运行依赖的基础服务，如数据库、中间件等；
- 对业务持续实时监控：指产品运行情况，如状态码、接口响应时间、异常信息等。
监控方法
在了监控的重要性及监控目的之后，我们来聊聊到底如何做监控。
- 确定监控对象：明确是系统监控，还是应用监控，或者是业务监控；
- 确定监控指标：确定监控对象之后，需要明确具体监控指标，如果监控对象为服务器，那么监控指标有CPU、磁盘、内存等；
- 确定告警格式：监控的目的之一就是发出告警，所以，告警信息的格式要做到统一、简洁明了；
- 确定告警阈值：泛滥的告警就像”狼来了“，所以要设定合理的阈值，确保告警准确、有效；
- 确定负责人：确定监控指标后，明确告警负责人，可以让运维或测试人员更快的将事件分发到具体的业务负责人，以提升故障处理效率，同时降低对其他人的打扰；
- 确定事件处理流程：对于告警，“事事有回音，件件有着落” 很重要，让每个事件构成一个闭环。
监控指标
监控指标是立足于监控对象至上的，如何确定监控指标？
监控指标，即监控对象相关的关键性指标。
那么，哪些算是关键性指标呢？
这个仁者见仁智者见智，在我看来，对服务稳定运行带来严重影响的才算关键指标。
那么，怎么算严重影响呢？
这个问题可以通过用户体验来反推，哪些问题能带来用户体验的不适？比如，请求响应慢、请求错误、请求报异常等等。
在我看来，站在用户体验的角度来反推监控指标是一个不错的办法。
常规监控指标
以下监控指标仅供参考。
| 监控对象 | 监控指标 |
|---|---|
| 硬件 | CPU温度、主板温度、物理磁盘、磁盘阵列等 |
| 系统 | CPU负载、磁盘使用率、内存使用率、网络带宽等 |
| 应用 | 状态（端口）、进程、应用内部指标（如MySQL、redis连接数、内存使用）等 |
| 业务 | API、状态码、QPS等 |
| 日志 | 访问日志、错误日志、运行日志、网络日志等 |
监控工具
确定监控指标后，遍可以奔着高效、可用的原则来选择监控工具了。
目前业界监控工具很多，常用的开源监控工具：Zabbix、Open-falcon、Prometheus、Grafana（图）等。
相关的文章太多了，在此不做赘述，想要学习推荐官方网站。
监控方案
了解了监控指标、监控工具之后，接下来就需要确定一个合理、可行的监控方案了。如何确定监控方案？
- 首先，要了解公司的技术栈；
- 然后，对涉及到的各种组件进行全面了解；
- 其次，确定详细的监控指标，目前各种应用的官网基本都有提供监控相关的metrics；
- 最后，选定适应当前需求的监控工具、图形展示、告警方式等等。
总结
监控系统不可能做的尽善尽美，真正想把监控做的尽量完善，依靠开源软件都很难满足。有条件的公司会根据自己的业务需求开发自己的监控系统，如小米的Open-falcon。
监控系统知识体系很庞大，在此整理九牛之一毛，只是提供一点做事的思路。（不喜勿喷，谢谢！）
来源：oschina
链接：https://my.oschina.net/adailinux/blog/3158941