系統運維秘訣：變化，監控，擴展（技術篇）(2)

監控正確的東西

◆監控你能監控的所有東西，而且要用正確的方法來進行監控。如果你的NFS服務器掛掉了，不要讓你的監控工具發送1000條警報。如果對你的系統來說，超時的警報沒有什么實際意義，那就別讓它發。要針對各種具體的情況進行成功性測試：是的，這個服務可以進行一個新的TCP連接，它甚至可以響應，但是它還記得它要做什么工作嗎？

◆如果你有500個Web服務器，其中一個掛掉了，你可能不必馬上知道這個情況。但是，如果負載均衡器沒有把這臺機子踢出去，導致錯誤報告出現在了用戶的屏幕上，那么你必須知道這個情況！

有關數據圖形化，歷史數據

◆圖形的作用是讓趨勢可視化。歷史數據的作用是讓你對數據進行精確的分析。不要把這兩者混為一談！對圖形進行目測，很容易獲得錯誤的數值。許多站點都使用rrd類型的系統或其他的數據聚合系統，此類系統按照時間對數據進行平均化處理，然后保存在存儲空間中。這不僅僅是難以閱讀的問題：這根本是錯誤的！

◆如果你要瀏覽數百張圖才能精確地對一個問題進行定位，那真是糟透了。想要找出極值？請使用腳本提取數據。

◆如果你必須使用圖形來解決問題，盡量把各種高級的概念整合到一個單一的頁面中，然后讓這個頁面鏈接到擁有具體信息的子頁面中。如果你在數據庫負載中可以看到一個峰值，你可以點擊這個頁面對那些數據庫進行概覽，然后找到那一兩臺可疑的機器。基本的理念是盡快地縮小范圍，盡可能的減少猜測。

日志記錄，使用多個數據流

◆無論是獨立工作還是與開發部門合作，都要把盡可能多的有用的信息記錄到日志中。無論是分析之后再保存，還是直接扔進數據庫中生成報告，這些都無所謂。信息終歸是有用的。

◆有用的例子：頁面呈現時間（哪個頁面？哪個設備？），面向用戶的錯誤，數據庫和內部服務錯誤，帶寬使用率等。

◆建立圖表，報告，并對產生的歷史數據進行比較。

◆報告是十分重要的。每周或每天對你的基礎設施變更進行匯總。

數據存儲方式，數據庫

◆誠然，數據庫運維是一套完整而獨立的知識體系。但是有時，你不能把一切都丟給你的DBA。

◆擁有多個冗余的數據庫會給你帶來很多好處。對于一個龐大的Oracle實例來說，從前，很多運維工作需要好幾個小時的關機維護時間；而現在，完全可以在服務運行的同時進行。MySQL和數據庫復制功能是一件奇妙的事情。

◆和DBA們一起努力，盡量為可能會發生問題的數據庫爭取到最好的硬件。RAID 10，大量的RAM，高速硬盤，乃至于強悍的RAM磁盤和SSD。運維人員對提供商要貨比三家，這樣可以減輕DBA對硬件的恐懼。從長遠來看，找出哪個品牌的硬件更加優秀會節省大量的資金。

◆數據庫配置一直在改變。現在出現了HiveDB，MySQL Proxy，DPM這些軟件。我們絕對應該對巨大的數據集進行分割。我們也可以考慮一下像starling和Gearman這樣具有一定創新性的軟件。了解一下這些軟件的用途，同時，了解一下并不是一切東西都要保存在一個數據庫中的。

◆善用你的過濾器！如果這些數據很重要，應該對它們進行備份！單片的NFS服務器的快照很奇妙，它并不是一個備份！

◆可以慮一下替代的解決方案。MogileFS現在變得越來越好了（參考閱讀：分布式文件系統試用比較）。實際上，還有其他類似的項目可以免費（或廉價）地維護大量的存儲文件。類似的系統基本上都是是為youtube.com、archive.org等站點而開發的。我們最終會讓廉價的NFS過濾器成為標準！

服務器租用/服務器托管中國五強！虛擬主機域名注冊頂級提供商！15年品質保障！--億恩科技[ENKJ.COM]