搜索[服务器监控]结果-低调大师优秀个人博客

精选列表

搜索[服务器监控]，共10000篇文章

探索GreatADM：如何快速定义监控

引文在数据库运维过程中，所使用的运维管理平台是否存在这样的问题： 1、默认监控粒度不够,业务需要更细颗粒度的监控数据。 2、平台默认的监控命令不适合,需要调整阈值量身定制监控策略。

2023-09-11

前言说到MySQL的MTS，相信很多同学都不陌生，从5.6开始基于schema的并行回放，到5.7的LOGICAL_CLOCK支持基于事务的并行回放，这些内容都有文章讲解，在本篇文章不再赘述。今天要讲的是，你知道如何查看并行回放是否存在性能瓶颈吗，是由于主库事务行为导致无法并行回放，还是由于worker线程不足，限制了并行回放的天花板？这都得从一个Note信息说起。 MY-010559 在开启了多线程回放的从库error log，我们经常能看到Note级别的日志信息MY-010559 让我们来看看这些日志的含义 Seconds elapsed：当前时间与上次输出日志时间的间隔秒数 Events assigned：自slave协调线程启动后，累计处理分发给worker线程的event数量。简单理解为slave启动后处理的event数量。 Worker queues filled over overrun level：worker线程处理的event队列长度超过最大队列数(目前代码硬编码16384)的90%的次数，如果0则说明未发生该情况。 Waited due to worker queue full：worker线程处理的event队列长度达到最大(目前代码硬编码16384)的次数，如果为0则说明未发生该情况，是前面Worker queues filled over overrun level的情况升级。 Waited due to the total size：协调线程分发event大小达到replica_pending_jobs_size_max或者slave_pending_jobs_size_max限制而产生等待的次数。前面两个参数是限制worker线程处理event队列能够申请的最大内存(即大事务)。如果遇到此种大事务，在回放该大事务之前，会等待其他worker线程处理完已分配event，然后再进行该大事务的回放，回放过程中，后续的event回放，也会进入等待状态。总之，大事务回放特别影响并行回放的性能，只能串行回放。 Waited at clock conflicts：由于不能并行回放的累计等待时间，单位纳秒。如果并行回放策略设置的是DATABASE而不是LOGICAL_CLOCK，该值一直为0。 Waited (count) when workers occupied：协调线程休眠次数。有两种情况会累加此状态值：1、worker线程达到最大队列数(目前代码硬编码16384)的90%，此种情况协调线程最多休眠1毫秒；2、并行回放策略设置为LOGICAL_CLOCK时，由于没有空闲的worker线程导致无法分配事务的第一个event而产生的等待，此种情况协调线程会一直处于等待状态直到有空闲的worker线程能够处理回放。 Waited when workers occupied：等待空闲的worker线程累计时间，单位纳秒，对应Waited (count) when workers occupied的第二种等待情况。代码分析在8.0.26版本的代码中，我们通过错误信息关键字waited at clock conflicts查找，发现信息记录在变量ER_RPL_MTS_STATISTICS中，继续按变量查找，发现其使用在rpl_replica.cc文件的apply_event_and_update_pos函数中，主要逻辑代码如下可以看到，满足如下几个条件，日志信息就会输出并行回放为开启状态并行回放的累计event数量对1024取模余1 当前时间减去上次日志时间间隔大于mts_online_stat_period(硬编码120)秒 error log日志级别为info(log_error_verbosity=3) 上述几个条件，和并行回放的事务繁忙程度并没有太大的关系，满足条件即会记录日志。假如一个事务有4个event，参数设置正常，每两分钟执行256个事务，就会输出一条日志信息，一秒钟3个事务不到。日志解析观察在我的日志文件中，取了如下两条连续的信息 2023-07-09T08:58:01.001019+08:00 909 [Note] [MY-010559] [Repl] Multi-threaded slave statistics for channel 'group_replication_applier': seconds elapsed = 180; events assigned = 11515905; worker queues filled over overrun level = 8314; waited due a Worker queue full = 0; waited due the total size = 0; waited at clock conflicts = 136628031500 waited (count) when Workers occupied = 242457 waited when Workers occupied = 2223254351900 2023-07-09T09:00:01.648124+08:00 909 [Note] [MY-010559] [Repl] Multi-threaded slave statistics for channel 'group_replication_applier': seconds elapsed = 120; events assigned = 11518977; worker queues filled over overrun level = 8314; waited due a Worker queue full = 0; waited due the total size = 0; waited at clock conflicts = 136644607700 waited (count) when Workers occupied = 242491 waited when Workers occupied = 2223755727800 第一条解析信息如下： . 本次日志输出时间点为2023-07-09T08:58:01.001019 . 与上次日志输出间隔时间为180秒 . 累计处理event数量为11515905 . worker线程处理的event队列长度超过最大队列数(目前代码硬编码16384)的90%的累计次数8314次 . worker线程处理的event队列长度达到最大队列数(目前代码硬编码16384)的累计次数为0次 . 回放event大小达到replica_pending_jobs_size_max或者slave_pending_jobs_size_max的次数为0 . 由于不能并行回放而产生的累计等待时间为136628031500纳秒(约136.62秒) . 协调线程累计休眠242457次 . 累计等待空闲worker线程的时间为2223254351900纳秒(约2223.33秒) 第二条解析信息如下： . 本次日志输出时间点为2023-07-09T09:00:01.648124 . 与上次日志输出间隔时间为120秒 . 累计处理event数量为11518977，新增处理event数量3072(为1024的3倍) . worker线程处理的event队列长度超过最大队列数(目前代码硬编码16384)的90%的累计次数8314次，新增0次 . worker线程处理的event队列长度达到最大队列数(目前代码硬编码16384)的累计次数为0次 . 回放event大小达到replica_pending_jobs_size_max或者slave_pending_jobs_size_max的次数为0 . 由于不能并行回放而产生的累计等待时间为136644607700纳秒(约136.64秒，新增等待约0.02秒) . 协调线程累计休眠242457次，新增34次 . 累计等待空闲worker线程的时间为2223755727800纳秒(约2223.38，新增等待约0.05秒) 通过上述信息，可以看出，在日志阶段，系统处于空闲状态，处理事务数不多。对比各个参数，在系统繁忙时，因为不能并行回放产生的等待时间为136.64秒，等待空闲的worker线程累计时间为2223.38，因此增大slave_parallel_workers的参数值，可以提升并行回放性能。总结 [Note] [MY-010559]在我刚开始接触时，以为是系统出现了异常产生的日志，待真正了解其内容后，才发现通过该日志可以帮助我们了解MTS运行情况，针对性的做优化调整。参考链接https://dev.mysql.com/doc/refman/8.0/en/replication-threads-monitor-worker.html Enjoy GreatSQL :) 关于 GreatSQL GreatSQL是适用于金融级应用的国内自主开源数据库，具备高性能、高可靠、高易用性、高安全等多个核心特性，可以作为MySQL或Percona Server的可选替换，用于线上生产环境，且完全免费并兼容MySQL或Percona Server。相关链接： GreatSQL社区 Gitee GitHub Bilibili GreatSQL社区：社区有奖建议反馈： https://greatsql.cn/thread-54-1-1.html 社区博客有奖征稿详情： https://greatsql.cn/thread-100-1-1.html （对文章有疑问或者有独到见解都可以去社区官网提出或分享哦~）技术交流群：微信&QQ群： QQ群：533341697 微信群：添加GreatSQL社区助手（微信号：wanlidbc ）好友，待社区助手拉您进群。

2023-08-02

前端监控之性能与异常

因而，我们需要一个前端的页面监控系统，持续监控和预警页面性能的状况，并且在发现瓶颈时用于指导优化工作。

2023-02-24

MYSQL最朴素的监控方式

对于当前数据库的监控方式有很多，分为数据库自带、商用、开源三大类，每一种都有各自的特色；而对于mysql数据库由于其有很高的社区活跃度，监控方式更是多种多样，不管哪种监控方式最核心的就是监控数据，获取得到全面的监控数据后就是灵活的展示部分

2022-08-12

Vitals —— GNOME Shell 系统监控扩展

Vitals 是一个 GNOME Shell 扩展，用于在 GNOME Shell 的顶部菜单栏中显示计算机的温度、电压、风扇速度、内存使用情况、处理器负载、系统资源、网络速度和存储统计信息。Vitals 使用异步轮询来提供流畅的用户体验。安装 1. 安装支持包 Ubuntu / Debian sudo apt install gir1.2-gtop-2.0 lm-sensors Fedora sudo dnf install libgtop2-devel lm_sensors Arch / Manjaro sudo pacman -Syu libgtop lm_sensors gnome-icon-theme-symbolic gnome-icon-theme git 2. 安装扩展 Ubuntu/Debian/Fedora 访问 Gnome Extensions 网站，搜索 Vitals 并单击 switch 图标 Arch/ Manjaro git clone https://aur.archlinux.org/gnome-shell-extension-vitals-git.git/ cd gnome-shell-extension-vitals-git # always verify content before installing less PKGBUILD makepkg # example filename, different each release pacman -U gnome-shell-extension-vitals-git-v52.0.4.r0.gb446cfc-1-any.pkg.tar.zst

2022-06-30

开源日志监控平台 0.7.1 发布

开源监控项目frostmourne最新发布版本0.7.1-RELEASE，带来了很多核心功能，欢迎使用。

2022-05-14

开源日志监控平台 0.6.2 发布

### Feature * 移除spi模块，相关功能移至monitor [2022-04-05] * 微信机器人、钉钉机器人和http报警消息格式支持markdown * 增加用户密码设置功能，方便没有部署ldap的团队使用。配置了ldap的将优先使用ldap认证。 * 移除xxl-job依赖，内置实现分布式调度，减小部署难度 * elasticsearch数据源https支持pkcs12证书 * 数据预览前端增加参数校验提示 * 数据源增加Elasticsearch8支持 * [0.6.2] Elasticsearch数据配置支持数据分桶，分桶类型支持：1. 按字段值分组，相当于ES里的Terms Aggregation. * [0.6.2] Elasticsearch数据配置支持数据分桶，分桶类型支持：2. 按时间分组,相当于ES里的DateHistogramAggregation. ### Bugfix * 解决查询elasticsearch索引字段查询报错的问题 [2022-04-27] ### Document * 增加0.5升级0.6的说明文档 * 增加markdown格式消息使用文档说明 * 增加0.6升级0.6.1的说明文档 * 增加k8s环境部署说明 * 增加项目代码规范说明文档 ### Others * 优化frostmourne-vue模块，支持较新版本node和npm支持; 引入frontend-maven-plugin插件，打包自动管理node和yarn使用特定版本

2022-05-05

前端异常监控和容灾

所以我们开发的时候就非常有必要未雨绸缪，进行异常监控，以应对突如其来的问题既可以增强用户体验，我们开发者也能远程定位问题，尤其是移动端尽管对 JS 而言，异常一般只会使当前执行的任务中止，基本不会导致崩溃

2021-08-13

使用Prometheus、Grafana监控Artifactory实践

在企业的系统平台上运行artifactory可能每天有上百万个制品在不断流转，随着研发团队不断扩大，用户慢慢增多，并发量也相应的逐渐增大，在保证高可用的同时，我们对artifactory所在系统及应用服务进行监控会显得尤其重要

2021-05-21

prometheus+ Grafana监控全家桶

在调研监控工具，之前一直用的zabbix很平稳（从没出过问题），监控内容大概有系统级别的cpu、内存、硬盘之类的，也有服务的运行情况、elasticsearch、hive、kafka的lag等等，但有几个问题没法解决

2021-05-13

特斯拉监控摄像头被黑

近日，据彭博社报道，黑客入侵并访问了特斯拉、Equinox、多家医疗诊所、监狱以及犹他银行在内多家企业的实时监控摄像头。

2021-03-11

使用Prometheus搞定微服务监控

最近对服务进行监控，而当前监控最流行的数据库就是 Prometheus，同时 go-zero 默认接入也是这款数据库。

2021-03-01

prometheus + grafana 对flink 进行监控

prometheus + grafana 对flink 进行监控标签（空格分隔）： flink系列一：flink监控简介二：Flink的Metric架构三： prometheus + grafana

2020-12-18

Prometheus监控神器-Kubernetes篇（三）

在Kubernetes中手动方式部署Prometheus联邦. monitor-prom 当我们有多个Kubernetes集群的时候，这个时候就需要需要指标汇总的需求了，如上图一样，我们假定在外部部署一个Prometheus的Federate，然后去采集当前k8s中的kube-system与default俩个 namespace。环境我的本地环境使用的 sealos 一键部署，主要是为了便于测试。 OS Kubernetes HostName IP Service Ubuntu 18.04 1.17.7 sealos-k8s-m1 192.168.1.151 node-exporter prometheus-federate-0 Ubuntu 18.04 1.17.7 sealos-k8s-m2 192.168.1.152 node-exporter grafana alertmanager-0 Ubuntu 18.04 1.17.7 sealos-k8s-m3 192.168.1.150 node-exporter alertmanager-1 Ubuntu 18.04 1.17.7 sealos-k8s-node1 192.168.1.153 node-exporter prometheus-0 kube-state-metrics Ubuntu 18.04 1.17.7 sealos-k8s-node2 192.168.1.154 node-exporter prometheus-1 Ubuntu 18.04 1.17.7 sealos-k8s-node2 192.168.1.155 node-exporter prometheus-2 部署 Prometheus联邦集群创建prometheus-federate数据目录 #在m1上执行mkdir/data/prometheus-federate/chown-R65534:65534/data/prometheus-federate/ 创建Prometheus联邦 StorageClass 配置文件 cd/data/manual-deploy/prometheus/catprometheus-federate-storageclass.yamlapiVersion:storage.k8s.io/v1kind:StorageClassmetadata:name:prometheus-federate-lpvprovisioner:kubernetes.io/no-provisionervolumeBindingMode:WaitForFirstConsumer 创建Prometheus联邦pv配置文件 apiVersion:v1kind:PersistentVolumemetadata:name:prometheus-federate-lpv-0spec:capacity:storage:10GivolumeMode:FilesystemaccessModes:-ReadWriteOncepersistentVolumeReclaimPolicy:RetainstorageClassName:prometheus-federate-lpvlocal:path:/data/prometheus-federatenodeAffinity:required:nodeSelectorTerms:-matchExpressions:-key:kubernetes.io/hostnameoperator:Invalues:-sealos-k8s-m1 创建Prometheus联邦configmap配置文件 catprometheus-federate-configmap.yamlapiVersion:v1kind:ConfigMapmetadata:name:prometheus-federate-confignamespace:kube-systemdata:alertmanager_rules.yaml:|groups:-name:examplerules:-alert:InstanceDownexpr:up==0for:1mlabels:severity:pageannotations:summary:"Instance{{$labels.instance}}down"description:"{{$labels.instance}}ofjob{{$labels.job}}hasbeendownformorethan1minutes."-alert:NodeMemoryUsageexpr:(node_memory_MemTotal_bytes-(node_memory_MemFree_bytes+node_memory_Buffers_bytes+node_memory_Cached_bytes))/node_memory_MemTotal_bytes*100>80for:1mlabels:team:opsannotations:summary:"cluster:{{$labels.cluster}}{{$labels.instance}}:HighMemoryusagedetected"description:"{{$labels.instance}}:Memoryusageisabove55%(currentvalueis:{{$value}}"prometheus.yml:|global:scrape_interval:30sevaluation_interval:30salerting:alertmanagers:-static_configs:-targets:-alertmanager-0.alertmanager-operated:9093-alertmanager-1.alertmanager-operated:9093rule_files:-"/etc/prometheus/alertmanager_rules.yaml"scrape_configs:-job_name:'federate'scrape_interval:30shonor_labels:truemetrics_path:'/federate'params:'match[]':-'{job=~"kubernetes.*"}'-'{job="prometheus"}'static_configs:-targets:-'prometheus-0.prometheus:9090'-'prometheus-1.prometheus:9090'-'prometheus-2.prometheus:9090' 创建Prometheus联邦的statefulse文件 catprometheus-federate-statefulset.yamlapiVersion:apps/v1kind:StatefulSetmetadata:name:prometheus-federatenamespace:kube-systemlabels:k8s-app:prometheus-federatekubernetes.io/cluster-service:"true"spec:serviceName:"prometheus-federate"podManagementPolicy:"Parallel"replicas:1selector:matchLabels:k8s-app:prometheus-federatetemplate:metadata:labels:k8s-app:prometheus-federateannotations:scheduler.alpha.kubernetes.io/critical-pod:''spec:affinity:podAntiAffinity:requiredDuringSchedulingIgnoredDuringExecution:-labelSelector:matchExpressions:-key:k8s-appoperator:Invalues:-prometheus-federatetopologyKey:"kubernetes.io/hostname"priorityClassName:system-cluster-criticalhostNetwork:truednsPolicy:ClusterFirstWithHostNetcontainers:-name:prometheus-federate-configmap-reloadimage:"jimmidyson/configmap-reload:v0.4.0"imagePullPolicy:"IfNotPresent"args:---volume-dir=/etc/config---webhook-url=http://localhost:9091/-/reloadvolumeMounts:-name:config-volumemountPath:/etc/configreadOnly:trueresources:limits:cpu:10mmemory:10Mirequests:cpu:10mmemory:10MisecurityContext:runAsUser:0privileged:true-image:prom/prometheus:v2.20.0imagePullPolicy:IfNotPresentname:prometheuscommand:-"/bin/prometheus"args:-"--web.listen-address=0.0.0.0:9091"-"--config.file=/etc/prometheus/prometheus.yml"-"--storage.tsdb.path=/prometheus"-"--storage.tsdb.retention=24h"-"--web.console.libraries=/etc/prometheus/console_libraries"-"--web.console.templates=/etc/prometheus/consoles"-"--web.enable-lifecycle"ports:-containerPort:9091protocol:TCPvolumeMounts:-mountPath:"/prometheus"name:prometheus-federate-data-mountPath:"/etc/prometheus"name:config-volumereadinessProbe:httpGet:path:/-/readyport:9091initialDelaySeconds:30timeoutSeconds:30livenessProbe:httpGet:path:/-/healthyport:9091initialDelaySeconds:30timeoutSeconds:30resources:requests:cpu:100mmemory:100Milimits:cpu:1000mmemory:2500MisecurityContext:runAsUser:0privileged:trueserviceAccountName:prometheusvolumes:-name:config-volumeconfigMap:name:prometheus-federate-configvolumeClaimTemplates:-metadata:name:prometheus-federate-dataspec:accessModes:["ReadWriteOnce"]storageClassName:"prometheus-federate-lpv"resources:requests:storage:5Gi 创建Prometheus联邦的svc文件 catprometheus-service-statefulset.yamlapiVersion:v1kind:Servicemetadata:name:prometheusnamespace:kube-systemspec:ports:-name:prometheusport:9090targetPort:9090selector:k8s-app:prometheusclusterIP:None 部署 cd/data/manual-deploy/prometheus/prometheus-federate-configmap.yamlprometheus-federate-pv.yamlprometheus-federate-service-statefulset.yamlprometheus-federate-statefulset.yamlprometheus-federate-storageclass.yamlkubectlapply-fprometheus-federate-storageclass.yamlkubectlapply-fprometheus-federate-pv.yamlkubectlapply-fprometheus-federate-configmap.yamlkubectlapply-fprometheus-federate-statefulset.yamlkubectlapply-fprometheus-federate-service-statefulset.yaml 验证 #pvkubectl-nkube-systemgetpvc|grepfederateprometheus-federate-data-prometheus-federate-0Boundprometheus-federate-lpv-010GiRWOprometheus-federate-lpv4hkubectl-nkube-systemgetpod|grepfederateprometheus-federate-02/2Running02d4h 对此，联邦的配置就完成了，可以在浏览器中访问192.168.1.151:9091查看相应的targets信息，以及配置的rules规则，触发下警报，看看Alertmanager集群已经部署成功了。 k8s-federate 本文分享自微信公众号 - Kubernetes技术栈（k8stech）。如有侵权，请联系 support@oschina.cn 删除。本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。

2020-09-10

Prometheus监控神器-Alertmanager篇（四）

本章节主要讲解Alertmanager高可用的搭建与配置的详细的内容。为了提升Prometheus的服务可靠性，我们会部署两个或多个的Prometheus服务，两个Prometheus具有相同的配置（Job配、告警规则、等），当其中一个Down掉了以后，可以保证Prometheus持续可用。 AlertManager自带警报分组机制，即使不同的Prometheus分别发送相同的警报给Alertmanager，Alertmanager也会自动把这些警报合并处理。去重分组路由 Daduplicates Groups Route 将相同的警报合并成一个根据定义的分组经过路由分发给指定的receiver 虽然Alertmanager 能够同时处理多个相同的Prometheus的产生的警报，如果部署的Alertmanager是单节点，那就存在明显的的单点故障风险，当Alertmanager节点down机以后，警报功能则不可用。解决这个问题的方法就是使用传统的HA架构模式，部署Alertmanager多节点。但是由于Alertmanager之间关联存在不能满足HA的需求，因此会导致警报通知被Alertmanager重复发送多次的问题。 alertmanager-ha Alertmanager为了解决这个问题，引入了Gossip机制，为多个Alertmanager之间提供信息传递机制。确保及时的在多个Alertmanager分别接受到相同的警报信息的情况下，不会发送重复的警报信息给Receiver. Gossip 机制要知道什么是Gossip机制，必须了解清楚Alertmanager中的每一次警报通知是如何产生的，下面一图很详细的阐述了警报个流程： alertmanager-ha 阶段描述 Silence 在这个阶段中Alertmanager会判断当前通知是否匹配任何静默规则；如果没有则进入下一个阶段，否则会中断流程不发送通知。 Wait Alertmanager 会根据当前集群中所处在的顺序[index]，等待 index * 5s 的时间。 Dedup 当等待结束完成，进入 Dedup 阶段，这时会判断当前Alertmanager TSDB中警报是否已经发送，如果发送则中断流程，不发送警报。 Send 如果上面的未发送，则进入 Send 阶段，发送警报通知。 Gossip 警报发送成功以后，进入最后一个阶段 Gossip ，通知其他Alertmanager节点，当前警报已经发送成功。其他Alertmanager节点会保存当前已经发送过的警报记录。 Gossip俩个关键： Alertmanager 节点之间的Silence设置相同，这样确保了设置为静默的警报都不会对外发送 Alertmanager 节点之间通过Gossip机制同步警报通知状态，并且在流程中标记Wait阶段，保证警报是依次被集群中的Alertmanager节点读取并处理。搭建本地 Alertmanager 集群启动Alertmanager集群之前，需要了解一些集群相关的参数参数说明 --cluster.listen-address="0.0.0.0:9094" 集群服务监听端口 --cluster.peer 初始化关联其他节点的监听地址 --cluster.advertise-address 广播地址 --cluster.gossip-interval 集群消息传播时间，默认 200s --cluster.probe-interval 各个节点的探测时间间隔 # 直接复制之前已经安装过的Alertmanager文件夹cp -r alertmanager/ /usr/local/alertmanager01cp -r alertmanager/ /usr/local/alertmanager02cp -r alertmanager/ /usr/local/alertmanager03# 复制完成以后，写入启动脚本，# Alertmanager01cat << EOF> /lib/systemd/system/alertmanager01.service[Unit]Description=alertmanagerDocumentation=https://prometheus.io/After=network.targetStartLimitIntervalSec=0[Service]Type=simpleUser=prometheusExecStart=/usr/local/alertmanager01/bin/alertmanager \--config.file=/usr/local/alertmanager01/conf/alertmanager.yml \--storage.path=/usr/local/alertmanager01/data \--web.listen-address=":19093" \--cluster.listen-address=192.168.1.220:19094 \--log.level=debugRestart=alwaysRestartSec=1[Install]WantedBy=multi-user.targetEOF# Alertmanager02cat << EOF> /lib/systemd/system/alertmanager02.service[Unit]Description=alertmanagerDocumentation=https://prometheus.io/After=network.targetStartLimitIntervalSec=0[Service]Type=simpleUser=prometheusExecStart=/usr/local/alertmanager02/bin/alertmanager \--config.file=/usr/local/alertmanager02/conf/alertmanager.yml \--storage.path=/usr/local/alertmanager02/data \--web.listen-address=":29093" \--cluster.listen-address=192.168.1.220:29094 \--cluster.peer=192.168.1.220:19094 \--log.level=debugRestart=alwaysRestartSec=1[Install]WantedBy=multi-user.targetEOF# Alertmanager03cat <<EOF > /lib/systemd/system/alertmanager03.service[Unit]Description=alertmanagerDocumentation=https://prometheus.io/After=network.targetStartLimitIntervalSec=0[Service]Type=simpleUser=prometheusExecStart=/usr/local/alertmanager03/bin/alertmanager \--config.file=/usr/local/alertmanager03/conf/alertmanager.yml \--storage.path=/usr/local/alertmanager03/data \--web.listen-address=":39093" \--cluster.listen-address=192.168.1.220:39094 \--cluster.peer=192.168.1.220:19094 \--log.level=debugRestart=alwaysRestartSec=1[Install]WantedBy=multi-user.targetEOF# 开启systemd脚本启动systemctl enable alertmanager01 alertmanager02 alertmanager03systemctl start alertmanager01 alertmanager02 alertmanager03 启动完成后，就可以访问http://192.168.1.220:19093可以看到以下集群状态了，我这里是为了测试，本地启动了多个端口，如果是实际生产环境中，是不同节点以及不同的IP，这些根据自己的需求设计即可。 alert-gossip Prometheus中的配置： alerting: alert_relabel_configs: - source_labels: [dc] regex: (.+)\d+ target_label: dc alertmanagers: - static_configs: #- targets: ['127.0.0.1:9093'] - targets: ['192.168.1.220:19093','192.168.1.220:29093','192.168.1.220:39093'] 配置完成以后，重启或者reloadPrometheus服务，访问http://192.168.1.220:19090/config就可以看到具体的配置信息了。 prom-config 到此，Alertmanager集群配置就完成了，对于进群中的警报测试很简单，直接down掉一个端口，然后触发警报，看看警报是否可以正常发送。本文分享自微信公众号 - Kubernetes技术栈（k8stech）。如有侵权，请联系 support@oschina.cn 删除。本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。

2020-08-24

监控系统 WGCLOUD，新增集群能力

支持高并发高性能，核心模块包括：服务器集群监控，ES集群状态监控，CPU监控，内存监控，数据监控，docker监控，网络流量监控，服务心跳检测，应用进程管理，磁盘IO监控，系统负载监控，监控告警信息推送

2020-06-05

HBase 监控 | HBase Metrics 初探（一）

前言：对于任意一个系统而言，做好监控都是非常重要的，HBase也不例外。经常，我们会从JMX中获取相关指标来做展示、对HBase进行监控，那这些指标是怎么生成的呢？

2020-04-16

WGCLOUD 监控系统，主机模块更新

WGCLOUD基于java语言开发，是微服务架构构建监控系统，支持高并发高性能高可用，核心模块包括：服务器集群监控，ES集群状态监控，CPU监控，内存监控，数据监控，服务心跳检测，应用进程管理，磁盘IO

2020-04-03

小程序业务实时监控

场景描述本方案主要解决如何基于阿里云服务为小程序快速部署实时监控，介绍了开通和配置相关产品以及查看安全防护效果的具体操作。适用小程序客户，前端可以支持微信小程序、支付宝小程序等。

2020-02-12

Prometheus+Grafana监控系统搭建

博文大纲：一、prometheus简介二、Prometheus组成及架构三、部署prometheus1）环境准备2）部署prometheus3）配置Peometheus监控实现报警一、prometheus

2019-12-24

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。