问题发现定位

问题发现定位平台功能点需要全面，实现大多基于日志（收集多 KAFKA，分布式存储），日志检索（多采用 ES）。链路分析再次基础上做采样聚合，接口级别的非采样在监控中做（时间流存储，监控报警阈值模型智能预测等），日志针对性做些细粒度的链路分析。技术涉及不多，主要是日志压缩和索引的建设。功能点成体系就好。本文重点关注这个。更多工程内容见：https://segmentfault.com/a/11…

日志规范。定则规范

全链路传递

1.nginx
traceid 当前由几部分组成：（nginx 的 ip）+（生成的时间）+（生成 id 的 nginx 的启动时间 + 生成 id 的 nginx 的进程号）+（循环自增 id + 末两位固定 02）
nginx 扩展 +http header 传递
2.thrift
利用 thrift 0 号位空缺作为 header 使用
3.mq？？

问题发现：

1.odin 实时监控，阈值报警。（接口维度，机器维度）
2.woater 实时监控，智能报警
3.srm 灭火图 / 上线事件监控
4. 安全扫描

问题定位

5. 故障分析平台（全链路故障点）
6. 问题分析平台（搜索：ES）
kafka+ES
详细日志查询：大量 debug/trace 等日志。取代机器 +grep：ES 获取机器索引时间 + 日志压缩 / 解压缩，时间定位查询
7. 性能分析（抽样）

业务评估

1. 机器调用关系
2. 服务依赖关系（静态），次数（统计）
链路分析，延时（采样平均），调用次数（静态，动态采样）
3. 模块性能分析（采样统计）
4. 专项（mysql, 定位到代码和人）

成本管理

1. 资源成本统计
2. 实时资源占用监控

整体解决思路