今天小编要跟大家分享的文章是关于Linux运维工程师要掌握的常用监控指标总结，正在从事Linux运维相关工作的小伙伴们来和小编一起看一看吧，希望本篇文章能够对大家有所帮助。

1. Linux运维基础采集项

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，依靠强大的监控系统，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，本着从实践中来的思想，各位工程师在长期摸爬滚打中总结出来的经验最有价值。

在各位运维工程师长期的工作实践中，我们总结了在系统运维过程中，经常会参考的一些指标，主要包括以下几个类别：

· CPU

· Load

· 内存

· 磁盘

· IO

· 网络相关

· 内核参数

· ss 统计输出

· 端口采集

· 核心服务的进程存活信息采集

· 关键业务进程资源消耗

· NTP offset采集

· DNS解析采集

每个类别，具体的详细指标如下，这些指标，都是open-falcon的agent组件直接支持的。falcon-agent每隔一定时间间隔(目前是60秒)会采集一次相关的指标，并汇报给server端。

2. CPU相关采集项

计算方法：通过采集/proc/stat来得到，大家可以参考sar命令的统计输出来理解。

· 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相对，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。

3. 磁盘相关采集项

计算方法：先读取/proc/mounts拿到所有挂载点，然后通过syscall.Statfs_t拿到blocks和inode的使用情况。每个metric都会附加一组tag描述，类似mount=$mount,fstype=$fstype，其中$mount是挂载点，比如/home，$fstype是文件系统，比如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，比如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

4. megacli工具输出

使用 megacli 工具读取 RAID 相关信息，每个metric都会附件一组tag描述，用来标明所属PD或者

VD，PD格式为PD=Enclosure_ID:SLOT_ID，比如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，不一定意味磁盘损坏(只是表示损坏概率变大)

· 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，则此物理磁盘出现问题

· sys.disk.lsiraid.vd.cache_policy：如果值不为0，表示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，表示此逻辑磁盘出现问题

5. SMART工具输出

使用 smartctl 工具读取磁盘 SMART

信息，目前所有指标仅作为数据收集，不一定意味磁盘损坏(只是表示概率变大)，每个metric都会有一组tag描述，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

6. 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描述，表示挂载点，比如mount=/home

· sys.disk.rw：如果值不为0，表明此分区读写出现问题

7. IO相关采集项

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描述，形如device=$device，用来表示具体的设备，比如sda1、sdb。用户可以参考iostat的帮助文档来理解具体的metric含义。

· 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：下面几个值就是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，比如56.43，表示56.43%

8. 机器负载相关采集项

计算方法：读取/proc/loadavg，都是原始值类型的：

· load.1min

· load.5min

· load.15min

9. 内存相关采集项

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。用户具体可以参考free命令的输出和帮助文档来理解每个metric的含义。

· mem.memtotal：内存总大小

· mem.memused：使用了多少内存

· mem.memused.percent：使用的内存占比

· mem.memfree

· mem.memfree.percent

· mem.swaptotal：swap总大小

· mem.swapused：使用了多少swap

· mem.swapused.percent：使用的swap的占比

· mem.swapfree

· mem.swapfree.percent

10. 网络相关采集项

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，标明具体那个interface，比如eth0。metric中带有in的表示流入情况，out表示流出情况，total是总量in+out，支持的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

11. 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

12. 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

13. ntp采集项

使用 ntpq -pn 获取本机时间相对于 ntp 服务器的 offset。

· sys.ntp.offset：本机偏移时间，单位为ms，值过大或者为0则表明有异常，需要报警

14. 进程监控

·

proc.num：判断某个进程的数目，这里需要分两个场景，一种是根据进程的名字来判定，比如name=sshd;另外一种是根据cmdline来判定，比如Java的应用进程名可能都是java，根据第一种情况没法做区分，此时可以配置cmdline，如cmdline=./falcon_agent-c./cfg.ini

15. 进程资源监控

· process.cpu.all：进程和它的子进程使用的sys+user的cpu，单位是jiffies

· process.cpu.sys：进程和它的子进程使用的sys cpu，单位是jiffies

· process.cpu.user：进程和它的子进程使用的user cpu，单位是jiffies

· process.swap：进程和它的子进程使用的swap，单位是page

· process.fd：进程使用的文件描述符个数

· process.mem：进程占用内存，单位byte

16. ss命令输出

· ss.orphaned

· ss.closed

· ss.timewait

· ss.slabinfo.timewait

· ss.synrecv

· ss.estab

以上就是小编今天为大家分享的关于Linux运维工程师要掌握的常用监控指标总结的文章，希望本篇文章能够对正在从事Linux运维相关工作的小伙伴们有所帮助，想要了解更多Linux相关知识记得关注达内Linux培训官网，最后祝愿小伙伴们工作顺利，成为一名优秀的Linux运维工程师。

(来源：book.open-falcon.org)

【免责声明：本文图片及文字信息均由小编转载自网络，旨在分享提供阅读，版权归原作者所有，如有侵权请联系我们进行删除。】