越来越多的业务部署在云上,减轻了运维成本和压力,其中合理的监控设置功不可没。设置合理的监控不仅可以让您实时了解系统业务的运行情况,还能帮助您提前发现问题,避免可能会出现的业务故障。同时,有效的告警机制能让您在故障发生后第一时间发现问题,缩短故障处理时间,以便尽快恢复业务。

本文以一个示例网站为例(网站架构如下图所示)说明您应如何配置使用云监控。示例网站架构使用了阿里云产品ECS、RDS、OSS和负载均衡。

前提条件

在开始设置云监控前,您需要完成以下操作:

  • 检查ECS监控插件运行情况,确保监控信息能够正常采集。如果安装失败需要手动安装,请参考 云监控插件安装指南

  • 提前 添加报警联系人和联系组,建议设置至少2人以上的联系人,互为主备,以便及时响应监控告警。监控选项的设定,具体可参见 云服务资源使用概览和报警概览

  • 利用云监控的Dashboard功能,给您业务系统的云资源设置一个全局监控总览,可随时检查整个业务系统资源的健康状态。下图根据ECS分组选择添加监控的资源,依次添加内存使用率、CPU使用率等监控项。监控的实例数较少可以选择实例维度作为展示,如果实例较多建议以分组或者用户为维度展示;监控数据取平均值。

    为了更好地监控大屏展示效果,这里将ECS的CPU、内存、磁盘的使用率单独分组展示;将RDS的四项指标分两组展示。

设置报警阈值

建议您根据实际业务情况设置各项监控指标的报警阈值。阈值太低会频繁触发报警,影响监控服务体验。阈值太高,在触发阈值后没有足够的预留时间来响应和处理告警。

设置报警规则

以CPU使用率为例,因为需要给服务器预留部分处理性能保障服务器正常运行,所以建议您将CPU告警阈值设置为70%,连续三次超过阈值后开始报警,如下图所示。

如果您还需要设置其他资源的报警规则,单击 添加报警规则,继续设置内存或磁盘的报警规则和报警通知人。

设置进程监控

对于常见的web应用,设置 进程监控,不仅可以实时监控应用进程的运行情况,还有助于排查处理故障,下图是Java进程的相关监控示例。具体操作请参见 添加进程监控



设置站点监控
在云服务器外层的监控服务,站点监控主要用于模拟真实用户访问情况,实时测试业务可用性,有助于排查处理故障。

设置RDS监控
建议将RDS的CPU使用率报警阈值设置为70%,连续三次超过阈值后开始报警。您可以根据实际情况设置硬盘使用率、IOPS使用率、连接数等其他 监控项

设置负载均衡监控

为了更好使用负载均衡的云监控服务,您需要先开启负载均衡的健康检查,将负载均衡带宽值的70%作为告警阈值,如下图所示。

如果以上监控选项不能满足您的实际业务监控需求,您可以使用自定义监控项。