- Linux运维根底采集项
做运维，不怕出问题，怕的是出了问题，抓不到现场，两眼摸黑。所以，依附弱小的监控零碎，收集尽可能多的指标，意义重大。但哪些指标才是有意义的呢，本着从实际中来的思维，各位工程师在长期摸爬滚打中总结进去的教训最有价值。
在各位运维工程师长期的工作实际中，咱们总结了在零碎运维过程中，常常会参考的一些指标，次要包含以下几个类别：
- CPU
- Load
- 内存
- 磁盘
- IO
- 网络相干
- 内核参数
- ss 统计输入
- 端口采集
- 外围服务的过程存活信息采集
- 要害业务过程资源耗费
- NTP offset采集
- DNS解析采集
每个类别，具体的具体指标如下，这些指标，都是open-falcon的agent组件间接反对的。falcon-agent每隔肯定工夫距离（目前是60秒）会采集一次相干的指标，并汇报给server端。
- CPU相干采集项
计算方法：通过采集/proc/stat来失去，大家能够参考sar命令的统计输入来了解。
- cpu.idle：Percentage of time that the CPU or CPUs were idle and the system did not have an outstanding disk I/O request.
- cpu.busy：与cpu.idle绝对，他的值等于100减去cpu.idle。
- cpu.guest：Percentage of time spent by the CPU or CPUs to run a virtual processor.
- cpu.iowait：Percentage of time that the CPU or CPUs were idle during which the system had an outstanding disk I/O request.
- cpu.irq：Percentage of time spent by the CPU or CPUs to service hardware interrupts.
- cpu.softirq：Percentage of time spent by the CPU or CPUs to service software interrupts.
- cpu.nice：Percentage of CPU utilization that occurred while executing at the user level with nice priority.
- cpu.steal：Percentage of time spent in involuntary wait by the virtual CPU or CPUs while the hypervisor was servicing another virtual processor.
- cpu.system：Percentage of CPU utilization that occurred while executing at the system level (kernel).
- cpu.user：Percentage of CPU utilization that occurred while executing at the user level (application).
- cpu.cnt：cpu核数。
- cpu.switches：cpu上下文切换次数，计数器类型。
- 磁盘相干采集项
计算方法：先读取/proc/mounts拿到所有挂载点，而后通过syscall.Statfs_t拿到blocks和inode的应用状况。每个metric都会附加一组tag形容，相似mount=$mount,fstype=$fstype，其中$mount是挂载点，比方/home，$fstype是文件系统，比方ext4。
- df.bytes.free：磁盘可用量，int64
- df.bytes.free.percent：磁盘可用量占总量的百分比，float64，比方32.1
- df.bytes.total：磁盘总大小，int64
- df.bytes.used：磁盘已用大小，int64
- df.bytes.used.percent：磁盘已用大小占总量的百分比，float64
- df.inodes.total：inode总数，int64
- df.inodes.free：可用inode数目，int64
- df.inodes.free.percent：可用inode占比，float64
- df.inodes.used：已用的inode数据，int64
- df.inodes.used.percent：已用inode占比，float64
- megacli工具输入
应用 megacli 工具读取 RAID 相干信息，每个metric都会附件一组tag形容，用来表明所属PD或者 VD，PD格局为PD=Enclosure_ID:SLOT_ID，比方PD=32:0表明第一块磁盘 ，VD=0 表明第一个逻辑磁盘。
- sys.disk.lsiraid.pd.Media_Error_Count：这个及以下三个指标目前仅作为数据收集，不肯定象征磁盘损坏（只是示意损坏概率变大）
- sys.disk.lsiraid.pd.Other_Error_Count
- sys.disk.lsiraid.pd.Predictive_Failure_Count
- sys.disk.lsiraid.pd.Drive_Temperature
- sys.disk.lsiraid.pd.Firmware_state：如果值不为0，则此物理磁盘呈现问题
- sys.disk.lsiraid.vd.cache_policy：如果值不为0，示意此逻辑磁盘缓存策略和设置不符
- sys.disk.lsiraid.vd.state：如果值不为0，示意此逻辑磁盘呈现问题
- SMART工具输入
应用 smartctl 工具读取磁盘 SMART 信息，目前所有指标仅作为数据收集，不肯定象征磁盘损坏（只是示意概率变大），每个metric都会有一组tag形容，表明盘符，例如device=/dev/sda。
- sys.disk.smart.Reallocated_Sector_Ct
- sys.disk.smart.Spin_Retry_Count
- sys.disk.smart.Reallocated_Event_Count
- sys.disk.smart.Current_Pending_Sector
- sys.disk.smart.Offline_Uncorrectable
- sys.disk.smart.Temperature_Celsius
- 分区读写监控
测试所有已挂载分区是否可读写，每个metric都会有一组tag形容，示意挂载点，比方mount=/home
- sys.disk.rw：如果值不为0，表明此分区读写呈现问题
- IO相干采集项
计算方法：每秒采集一次/proc/diskstats，计算差值，都是计数器类型的。每个metric都会有一组tag形容，形如device=$device，用来示意具体的设施，比方sda1、sdb。用户能够参考iostat的帮忙文档来了解具体的metric含意。
- disk.io.ios_in_progress：Number of actual I/O requests currently in flight.
- disk.io.msec_read：Total number of ms spent by all reads.
- disk.io.msec_total：Amount of time during which ios_in_progress >= 1.
- disk.io.msec_weighted_total：Measure of recent I/O completion time and backlog.
- disk.io.msec_write：Total number of ms spent by all writes.
- disk.io.read_merged：Adjacent read requests merged in a single req.
- disk.io.read_requests：Total number of reads completed successfully.
- disk.io.read_sectors：Total number of sectors read successfully.
- disk.io.write_merged：Adjacent write requests merged in a single req.
- disk.io.write_requests：total number of writes completed successfully.
- disk.io.write_sectors：total number of sectors written successfully.
- disk.io.read_bytes：单位是byte的数字
- disk.io.write_bytes：单位是byte的数字
- disk.io.avgrq_sz：上面几个值就是iostat -x 1看到的值
- disk.io.avgqu-sz
- disk.io.await
- disk.io.svctm
- disk.io.util：是个百分数，比方56.43，示意56.43%
- 机器负载相干采集项
计算方法：读取/proc/loadavg，都是原始值类型的：
- load.1min
- load.5min
- load.15min
- 内存相干采集项
计算方法：读取/proc/meminfo 中的内容，其中的mem.memfree是free+buffers+cached，mem.memused=mem.memtotal-mem.memfree。用户具体能够参考free命令的输入和帮忙文档来了解每个metric的含意。
- mem.memtotal：内存总大小
- mem.memused：应用了多少内存
- mem.memused.percent：应用的内存占比
- mem.memfree
- mem.memfree.percent
- mem.swaptotal：swap总大小
- mem.swapused：应用了多少swap
- mem.swapused.percent：应用的swap的占比
- mem.swapfree
- mem.swapfree.percent
- 网络相干采集项
计算方法：读取/proc/net/dev的内容，每个metric都附加有一组tag，形如iface=$iface，表明具体那个interface，比方eth0。metric中带有in的示意流入状况，out示意流出状况，total是总量in+out，反对的metric如下：
- net.if.in.bytes
- net.if.in.compressed
- net.if.in.dropped
- net.if.in.errors
- net.if.in.fifo.errs
- net.if.in.frame.errs
- net.if.in.multicast
- net.if.in.packets
- net.if.out.bytes
- net.if.out.carrier.errs
- net.if.out.collisions
- net.if.out.compressed
- net.if.out.dropped
- net.if.out.errors
- net.if.out.fifo.errs
- net.if.out.packets
- net.if.total.bytes
- net.if.total.dropped
- net.if.total.errors
- net.if.total.packets
- 端口采集项
计算方法，通过ss -ln，来判断指定的端口是否处于listen状态。原始值类型，值要么是1：代表在监听，要么是0，代表没有在监听。每个metric都附件一组tag，形如port=port，port就是具体的端口。
- net.port.listen
- 机器内核配置
- kernel.maxfiles：读取的/proc/sys/fs/file-max
- kernel.files.allocated：读取的/proc/sys/fs/file-nr第一个Field
- kernel.files.left：值=kernel.maxfiles-kernel.files.allocated
- kernel.maxproc：读取的/proc/sys/kernel/pid_max
- ntp采集项
应用 ntpq -pn 获取本机工夫绝对于 ntp 服务器的 offset。
- sys.ntp.offset：本机偏移工夫，单位为ms，值过大或者为0则表明有异样，须要报警
- 过程监控
proc.num：判断某个过程的数目，这里须要分两个场景，一种是依据过程的名字来断定，比方name=sshd；另外一种是依据cmdline来断定，比方Java的利用过程名可能都是java，依据第一种状况没法做辨别，此时能够配置cmdline，如cmdline=./falcon_agent-c./cfg.ini
- 过程资源监控
- process.cpu.all：过程和它的子过程应用的sys+user的cpu，单位是jiffies
- process.cpu.sys：过程和它的子过程应用的sys cpu，单位是jiffies
- process.cpu.user：过程和它的子过程应用的user cpu，单位是jiffies
- process.swap：过程和它的子过程应用的swap，单位是page
- process.fd：过程应用的文件描述符个数
- process.mem：过程占用内存，单位byte
- ss命令输入
- ss.orphaned
- ss.closed
- ss.timewait
- ss.slabinfo.timewait
- ss.synrecv
- ss.estab
（起源：book.open-falcon.org）