十八张图带你入门实时监控系统HertzBeat
我们经常讲:研发人员有两只眼睛,一只是监控平台,另一只是日志平台。在对性能和高可用讲究的场景里,监控平台的重要性再怎么强调也不过分。
这篇文章,我们聊聊开源实时监控告警系统 HertzBeat 赫兹跳动。
1 产品特色
HertzBeat 有两个非常鲜明的特色:强大的监控模版和无需 Agent 。
1.1 强大的监控模版
HertzBeat 自身并没有去创造一种采集数据协议让监控对端来适配它,而是充分使用了现有的生态。比如:
-
SNMP 协议采集网络交换机路由器信息
-
JMX 规范采集 JAVA 应用信息
-
JDBC 规范采集数据集信息
-
SSH 直连执行脚本获取回显信息
-
HTTP 解析 API 接口信息
HertzBeat 使用这些已有的标准协议或规范,将他们抽象规范可配置化,最后使其都可以通过编写YML格式监控模版的形式,来制定模版使用这些协议来采集任何想要的指标数据。
1.2 无需 Agent
笔者曾经接触过多款监控系统,他们有一个非常鲜明的共通点:安装 Agent 。Agent 的安装部署调试,需要花费大量的时间和精力。
HertzBeat 的原理就是使用不同的协议去直连对端系统,采用 PULL 的形式去拉取采集数据,无需用户在对端主机上部署安装 Agent | Exporter 等。
比如 监控 linux 操作系统,HertzBeat 端输入 IP 端口账户密码或密钥即可。
2 Docker 安装
docker 环境仅需一条命令即可开始:
此时,浏览器访问 http://localhost:1157
即可开始,默认账号密码 admin/hertzbeat
。
3 监控 Redis 数据库
首先,我们尝试监控 Redis 数据库。进入缓存监控-Redis数据库 ,点击新增Redis数据库按钮 。
点击确定后,会显示监控 Redis 列表:
点击监控详情图标,可以显示 Redis 监控信息:
4 监控 SpringBoot 服务
1 配置 Actuator
Spring Boot Actuator 是 Spring Boot 框架中的一个模块,它提供了一组用于监控和管理 Spring Boot 应用程序的功能。Actuator 模块为开发人员和运维团队提供了一些有用的端点(endpoints),可以通过 HTTP 或 JMX 进行访问,以获取应用程序的运行时信息、性能指标和健康状况等。
首先,我们在 SpringBoot 项目中添加 actuator 依赖。
应用配置如下:
访问 http://localhost:8080/actuator
,查看暴露出来的端点:
2 应用程序监控
进入应用程序监控-SpringBoot2.0 ,点击新增SpringBoot2.0监控按钮 。
点击确定后,会显示监控 SpringBoot2.0 列表:
点击监控详情图标,可以显示 SpringBoot2.0 监控信息:
5 报警配置
报警是监控系统中至关重要的功能,它为运维团队提供了实时的、即时的反馈,使其能够迅速响应和解决潜在的问题。
本节,我们展示如何发送邮件报警。
1、系统配置邮件服务器
2、定义通知媒介
通知媒介可以理解:谁接收告警信息,HertzBeat 定义了多种通知方式,比如邮件、钉钉、企业微信等。
3、定义通知策略
通知策略可以配置接收对象、通知模板、通知时间等。
4、模拟系统关闭
我们关闭掉 SpringBoot 服务后,监控中心会显示告警信息:
同时,笔者查看接收邮件里是否存在邮件。
笔者果然收到了系统不可用的邮件,邮件内容包括:监控目标、监控名、告警级别,触发时间等。
经过三天的探索,笔者感觉 HertzBeat 的界面清新,使用非常丝滑,开箱即用,推荐大家一试。
同时,监控系统的核心在于架构设计、数据流转、时序数据库等知识点,假如您希望了解这些知识点,请帮忙点赞、在看、转发一下。
你的支持会激励我输出更高质量的文章,非常感谢!

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
LoRA:语言模型微调的计算资源优化策略
编者按:随着数据量和计算能力的增加,大模型的参数量也在不断增加,同时进行大模型微调的成本也变得越来越高。全参数微调需要大量的计算资源和时间,且在进行切换下游任务时代价高昂。 本文作者介绍了一种新方法LoRA,可以在保持模型性能的同时大幅减少微调的参数量和所需资源。 LoRA通过引入两个低秩适配矩阵,用矩阵乘法的方法替换大部分参数。实验证明,LoRA在多项NLP任务上的表现与许多微调方法(如Adapter和PreLayer等)相当或更好。与全参数微调相比,LoRA降低了可训练参数数量10,000倍,GPU内存需求减少3倍,存储需求减少10,000倍,训练速度提高25%。 LoRA 为大语言模型的高效多任务微调提供了一种有效途径。作者认为LoRA可以推广到更多模型结构,有望加深我们对模型微调机制的理解。 作者 | ArxivDives 编译|岳扬 🚢🚢🚢欢迎小伙伴们加入AI技术软件及技术交流群,追踪前沿热点,共探技术难题~ 一、 背景知识 Paper:https://arxiv.org/abs/2106.09685 Published:October16th,2021,byMicro...
- 下一篇
云计算 - 对象存储服务OSS技术全解
本文全面深入地探讨了对象存储服务(OSS)的核心技术、基础知识和高级功能。从媒体存储到数据备份,再到数据仓库与数据湖,我们不仅解析了OSS在各种应用场景下的关键角色,还深入讨论了其与机器学习、多媒体处理以及日志和监控等多个开发场景的结合。 关注【TechLeadCloud】,分享互联网架构、云服务技术的全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验,同济本复旦硕,复旦机器人智能实验室成员,阿里云认证的资深架构师,项目管理专业人士,上亿营收AI产品研发负责人。 一、引言 OSS概述 对象存储服务(Object Storage Service,简称OSS)作为云计算生态系统的一个关键组件,逐渐在全球范围内得到广泛应用。与传统的文件存储(File Storage)和块存储(Block Storage)不同,OSS通过提供高度分布式的存储解决方案,实现了数据的可伸缩性、持久性和访问性。在许多方面,OSS不仅是一种数据存储模式,还是一种全新的数据管理和分发理念。 数据的“解耦”思想 例如,在传统的文件存储系统中,数据通常与其元数据(如文件名、路径等)紧密耦合,这导致了...
相关文章
文章评论
共有0条评论来说两句吧...