复工首日，送你一份超实用云主机监控告警指南！

发表时间：2022-06-01 18:00

普通用户在创建云主机后，需要查看云主机的运行状态、是否有异常等。而针对云运维管理员，管理成千上万云资源的压力更大。多云环境下如何以用户视角进行统一管理？

市面上的云平台都是以产品为管理模块，如果想查看RDS的资源详情，需要进入RDS的控制台；针对不同的产品，需要进入各自产品的控制台才能进行管理，公有云上有几百个资源，没办法直观地查看所有资源的运行状态和使用情况，当出现问题的时候，也无法及时收到告警通知，难以判断问题故障的原因，处理效率也较为低下。

骞云SmartCMP运维管理平台支持从不同的监控工具和平台采集运维数据，基于整个Prometheus生态体系，实现对物理设备、公有云、私有云、容器、数据库中间件等应用的全栈资源监控。同时支持灵活定义告警指标、告警策略，平台从监控聚合数据中，检查符合告警指标、告警策略的数据，判定符合后即触发告警，以邮件、短信等多种形式通知到指定用户，确保第一时间进行问题处理。

此外，平台支持灵活的告警处理流程，是ITIL流程和故障自愈的有机集成，支持多种自动化的故障自愈（故障工单、云资源自动化变更、Jenkins任务、外部系统集成等），从而降低故障处理时长，提升企业 IT 服务的可用性。

以下我们将从三个方面为您介绍：

1、如何快速监控您的云主机？

2、如何及时知道您的云主机运行异常？

3、在多云复杂环境下，如何快速清晰地查看大量云资源运行情况？

SmartCMP支持监控代理组件，可以为该组件配置默认的指标维度信息，供用户在添加组件监控时配置使用。为组件配置监控时，支持配置健康指数的JavaScript计算脚本，健康指数将在资源状态图上展示。

存量云主机安装监控

在监控您的云主机前，您需要对接资源所在的云平台和创建资源池，并将您的资源导入进行纳管。

快速对接基础设施和资源纳管具体步骤请参考【基础设施对接和存量纳管操作手册】（公众号推文：初次使用SmartCMP，你需要注意这几点！）

在云主机详情中启用/切换监控为存量云主机安装监控，采集云主机数据。

在SmartCMP【我的部署】-【云主机】，

单击某一个云主机进入其详情界面，选择「更多操作」-「监控和代理」-「启用/切换监控」。
选择监控方式：云平台监控或者Prometheus代理监控，配置相应监控指标集。
点击「确定」，提交安装监控申请。添加成功后，可在云资源详情页的监控标签页查看监控详情。

通过云主机详情查看监控数据

为云主机安装监控后，您可以通过云主机详情查看监控数据包括该云主机CPU、内存、磁盘、网络等的监控数据，并可以按照需要调整时间跨度或者平均时间来查看历史监控数据。

在SmartCMP【我的部署】-【云主机】，

单击某一个云主机进入其详情界面，选择「监控」标签页查看云资源监控详情。
监控标签页：展示了该云主机CPU、内存、磁盘、网络等的监控数据（可以按照需要调整时间跨度或者平均时间来查看历史监控数据）。

通过监控仪表盘查看监控数据

您也可以通过监控仪表盘查看云主机的监控数据。仪表盘能够直观展示各类云资源的监控数据，方便快速查找相关信息，协助用户通过趋势和异常值分析指标。

在SmartCMP【监控告警】-【仪表盘】，

左侧展现仪表盘的分类，右侧显示相关分类的仪表盘基本信息，包括名称，描述，授权，创建者和创建时间。
选择仪表盘(如Nginx监控仪表盘），下拉选择需要查看监控的云资源，查看该资源的监控仪表盘。

监控可以帮助随时了解云主机的运行情况，如果云主机发生故障，用户要如何最快速得到通知并处理异常呢？平台支持定义告警策略或者集成第三方告警平台通知，使用户及时了解追溯警报的详细情况，手动对警报进行暂停、或解除操作，也可以进行快速提单，创建对应的工单，让服务支持团队成员进行处理。

配置告警策略

告警策略定义了所选的对象类型（如云主机/应用/容器等）触发警报的条件。

在SmartCMP【监控告警】-【告警策略】，

点击「添加」，进入添加告警策略界面。
在添加告警策略界面，定义告警策略的基本信息。依次输入告警策略的名字，选择告警类别和告警类型。

支持对云主机（或应用和容器）的宕机告警、阈值告警和预测告警。可根据选择的不同告警类型定义告警策略的触发条件。

同时平台支持告警集成，通过提供统一的WebHook的API，将第三方平台系统所发送的告警接入到系统中，实现告警的统一通知，统一分析和告警自愈。目前支持主流公有云平台，和业界常用的监控平台, 如Prometheus, Zabbix, SNMP等。

告警通知、处理和自愈

(I) 定义所选告警策略应用到的范围以及触发的通知，配置触发告警后的自愈操作。

在SmartCMP【监控告警】-【告警】，

点击「添加」，进入添加告警界面，定义告警的基本信息。
输入告警的名字，选择已配置的告警策略、告警范围、告警对象以及警报级别；设定触发xx次后，自动升级为更高级别。
定义触发告警后通知到的用户、角色或特定的邮件地址。平台将根据所选用户或角色已配置的消息通知平台发送通知。
定义警报触发后的自愈操作包括云资源运维任务、告警任务在内的任务类型，设置相应输入参数与作用到的云资源。当告警产生时，已定义的自愈操作将被触发以修复资源。

(II) 查看已触发的警报，追溯警报的详细情况，并对警报进行恢复、暂停、解除操作，或者通过工单进行处理。

在SmartCMP【监控告警】-【已触发警报】，在当前页面可以查看由SmartCMP触发生成的警报，也可以查看第三方告警平台触发的警报。

查看所有已触发警报的警报级别、告警名称、触发告警对象、告警类型、已触发次数以及告警状态等。
任意选择一条已触发的警报，在工具栏中可选择「暂停」或「解除」警报。
点击列表中的告警名称，可查看该警报的详细信息以及历史数据：包括告警触发的对象、警报级别，触发条件、所有者、IP地址、警报图表（可调控时间范围灵活查看各个时间段的警报数据）等。
如果您需要为触发的告警新建一个工单任务，点击「提单」按钮。

Tips

管理员可以预先设置服务团队处理工单任务，当用户提交工单任务时根据预先配置的服务流程和服务团队排班，相应的服务团队将接到工单进行处理。