CN103401698B - 用于服务器集群运算中对服务器状况报警的监控系统 - Google Patents

Abstract

本发明公开了一种用于服务器集群运算中对服务器状况报警的监控系统。该监控系统包括：分别部署在多个第一服务器中的多个监控数据采集模块；以及，部署在第二服务器中的监控数据处理模块、一个以上去重模块和发送报警模块，每个去重模块中预先配置有至少一种报警去重逻辑；一个以上去重模块与监控数据处理模块连接，用于向监控数据处理模块提供报警去重逻辑；监控数据处理模块与多个监控数据采集模块连接；发送报警模块与监控数据处理模块连接。根据本发明提供的监控系统，将报警去重逻辑配置在与监控数据处理模块独立设计的去重模块中，降低了技术改造成本，提高了系统的灵活性。

Description

用于服务器集群运算中对服务器状况报警的监控系统

技术领域

本发明涉及计算机网络技术领域，具体涉及一种用于服务器集群运算中对服务器状况报警的监控系统。

背景技术

在现有的服务器集群运算系统中，对服务器状况进行监控并报警的技术主要通过3个模块来实现，分别为监控数据采集模块（reader）、监控数据处理模块（processer）和发送报警模块（alarm）。其中监控数据采集模块负责采集各种需要的数据，如采集cpu的空闲率等；监控数据处理模块将采集的数据和预先设定规则进行比较，符合规则就触发发送报警模块，发送报警模块负责将报警信息以邮件或短信形式发给指定的人或组。通常在每台服务器上都部署并运行了上述3个模块，以便监控发现问题，进而组成整个系统的监控。

常规的监控技术在少量服务器时能够解决监控问题，但服务器变多时容易带来报警泛滥的问题。例如，某天突然来了一个大任务或某个突发事件，所有服务器的cpu占用都高，然后每台服务器都发出报警，报警数量就会很多。为了解决这个问题，现有技术提供了一种报警合并方案，具体为：仅在每台服务器上部署监控数据采集模块，另外单独找一台服务器部署监控数据处理模块和发送报警模块，并在监控数据处理模块中加入预先配置的报警去重逻辑。例如，配置按某个关键字进行去重的逻辑，在上面的例子中可以配置按“cpu占用高”这个关键字进行去重的逻辑，这样当遇到上面这种情况时，不再是每台服务器都报警，而是将报警集中到部署监控数据处理模块和发送报警模块的服务器中，经过报警合并处理后再报警。经过实际操作验证，这样报警数量能减少到原来的20%左右。

现有技术提供的报警合并方案能解决一定数量的报警泛滥问题，但也存在如下问题：由于服务器所面临的问题多种多样，部署监控数据采集模块的服务器所上报的数据类型也是多种多样，但是在监控数据处理模块中配置的报警去重逻辑比较单一，在对数据进行去重处理时具有一定的局限性。如果根据需求对报警去重逻辑进行添加、删除和修改，则需要重新修改编译整个监控数据处理模块，技术改造成本较高，系统灵活性很差。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的用于服务器集群运算中对服务器状况报警的监控系统，用以提高系统的灵活性。

根据本发明的一个方面，提供了一种用于服务器集群运算中对服务器状况报警的监控系统，包括：分别部署在多个第一服务器中的多个监控数据采集模块；以及，部署在第二服务器中的监控数据处理模块、一个以上去重模块和发送报警模块，每个去重模块中预先配置有至少一种报警去重逻辑；所述一个以上去重模块与所述监控数据处理模块连接，用于向监控数据处理模块提供所述报警去重逻辑；所述监控数据处理模块与所述多个监控数据采集模块连接，用于将所述监控数据采集模块采集的数据与预先设定的规则进行比较，根据符合规则的数据得到报警信息，然后根据所述报警去重逻辑处理对所述报警信息进行去重处理后发送给所述发送报警模块；所述发送报警模块与所述监控数据处理模块连接，用于根据所述监控数据处理模块的发送的报警信息发送报警信号。

根据本发明提供的监控系统，将报警去重逻辑配置在与监控数据处理模块独立设计的去重模块中，并且本系统支持多个去重模块，根据需求，不同的去重模块可以应用于不同的数据源。如果根据需求要添加、删除和修改新的报警去重逻辑，只要对应地添加、删除和修改新的去重模块，无需修改编译整个监控数据处理模块，降低了技术改造成本，提高了系统的灵活性。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明一个实施例的用于服务器集群运算中对服务器状况报警的监控系统的结构框图；

图2示出了根据本发明另一个实施例的用于服务器集群运算中对服务器状况报警的监控系统的结构框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

图1示出了根据本发明一个实施例的用于服务器集群运算中对服务器状况报警的监控系统的结构框图。本实施例中，该系统用于对多个第一服务器的状况进行监控。如图1所示，该系统包括多个监控数据采集模块、一个监控数据处理模块、一个以上去重模块和一个发送报警模块。图1具体示出了3个监控数据采集模块和3个去重模块，但本发明不仅限于此。

其中多个监控数据采集模块分别部署在多个第一服务器中，用于采集各自第一服务器中的与运行状况有关的数据。其中与运行状况有关的数据包括以下数据的一项或多项：第一服务器的cpu的空闲率、内存占用率、硬盘IO使用率、网卡进出流量使用率、日志数据、以及与其它第一服务器的连通情况。第一服务器的cpu的空闲率、内存占用率、硬盘IO使用率、网卡进出流量使用率、日志数据反应了第一服务器的各种运行状态，监控数据采集模块实时采集其所在的第一服务器的这些运行状态，并将该数据上报给监控数据处理模块。监控数据采集模块还可以实时检测与其它第一服务器是否能够连通，如果不能连通，则将与哪个第一服务器不能连通的情况上报给监控数据处理模块。例如，对于具有3个第一服务器A、B和C的系统，如果A不能与B和C连通，那么A中的监控数据采集模块会将“B dead”和“Cdead”的数据上报给监控数据处理模块，同时B中的监控数据采集模块会将“A dead”的数据上报给监控数据处理模块，C中的监控数据采集模块也会将“A dead”的数据上报给监控数据处理模块。

上述一个监控数据处理模块、一个以上去重模块和一个发送报警模块部署在第二服务器中，一个以上去重模块与监控数据处理模块连接，用于向监控数据处理模块提供报警去重逻辑；监控数据处理模块与多个监控数据采集模块连接，用于将监控数据采集模块采集的数据与预先设定的规则进行比较，根据符合规则的数据得到报警信息，然后根据报警去重逻辑对报警信息进行去重处理后发送给发送报警模块；发送报警模块与监控数据处理模块连接，用于根据监控数据处理模块发送的报警信息汇总发送报警信号，发送报警信号时，会判断是否发送成功，如果不成功会等待一段时间重试，直到成功。同时会从另外的渠道发送提醒信息给系统维护者，提醒发送有问题，需要解决。如果发送成功后，这些报警信息便会被系统丢弃，不再保存。监控数据处理中预先设定的规则可以根据不同类型的数据源设定不同的规则。例如，对于第一服务器的cpu的空闲率，其对应的预先设定的规则就是cpu的空闲率低于预设阈值（其它内存、硬盘IO、网卡的相关数据等也是如此）。如果监控数据采集模块上报的第一服务器的cpu的空闲率低于该预设阈值，则表明该数据为符合规则的数据，监控数据处理模块根据该数据得到“cpu占用高”的报警信息。对于与其它第一服务器的连通情况的数据，其对应的预设设定的规则就是包含“dead”信息。如果监控数据采集模块上报的与其它第一服务器的连通情况的数据包含“dead”信息，则表明该数据为符合规则的数据，监控数据处理模块根据该数据得到“××dead”的报警信息。

本发明所提供的上述实施例与现有技术不同的是，将原本应在监控数据处理模块中配置的报警去重逻辑独立出来，将其模块化为去重模块，也即将报警去重逻辑配置在与监控数据处理模块独立的去重模块中。具体地，将报警去重逻辑的代码从原有的实现监控数据处理模块的代码中剥离出来，独立成单个类或文件，单独编译形成可执行文件。并且，可选地，该系统支持多个去重模块存在，根据需求，将不同种类的报警去重逻辑配置在不同的去重模块中，每个去重模块中仅配置一种报警去重逻辑。例如，针对上述第一服务器的cpu的空闲率、内存占用率、硬盘IO使用率、网卡进出流量使用率、日志数据等数据，分别在两个去重模块中配置针对这些数据源的报警去重逻辑。在两个去重模块中配置的报警去重逻辑分别为根据预定时间进行去重处理的逻辑，以及根据预定数量进行去重处理的逻辑。以cpu的空闲率为例，如果按照“cpu占用高”的关键字进行去重，它可以使用上述两种逻辑中的任一种进行去重，如对预定时间内（如1分钟）内包含“cpu占用高”关键字的报警信息进行去重处理，或，对预定数量（如100条）的包含“cpu占用高”关键字的报警信息进行去重处理。其它内存、硬盘IO、网卡的相关数据等也与此类似，针对这些类型的数据可以分别使用上述两种逻辑中的任一种。如果按照现有技术，针对其它第一服务器的连通情况也使用上述逻辑进行处理，那么针对上述具有3个第一服务器A、B和C的系统的例子，如果按照“dead”关键字进行去重，监控数据处理模块会将A发送的“B dead”和“C dead”、B发送的“A dead”以及C发送的“A dead”一共4条信息合并处理为1条信息，这样当管理者看到该报警信息时，不知道哪台服务器出现故障。考虑到这样的问题，本发明实施例在另外一个去重模块中配置针对与其它第一服务器的连通情况的报警去重逻辑，该报警去重逻辑为：在上述逻辑的基础上加以智能分析逻辑，该智能分析逻辑为根据各个第一服务器上报的包含“dead”的信息的条数分析出现故障的第一服务器是哪个。在上述示例中，通过智能分析逻辑获知第一服务器A上报了2条包含“dead”的信息，第一服务器B和C各上报了1条包含“dead”的信息，由此分析得到出现故障的是第一服务器A，因此监控数据处理模块可以将“A dead”的报警信息发送给发送报警模块，发送报警模块根据该报警信息发送报警信号之后，管理者可以清楚地获知第一服务器A出现不能连通的故障。

上述说明仅为本发明的一个具体事例，本发明不仅限于此，根据实际需求，对于不同类型的数据源可以配置完全不同的报警去重逻辑。监控数据处理模块根据不同种的报警去重逻辑对根据符合规则的不同类型的数据得到的报警信息进行去重处理。

根据本实施例提供的监控系统，将报警去重逻辑配置在与监控数据处理模块独立设计的去重模块中，并且本系统支持多个去重模块，根据需求，不同的去重模块可以应用于不同的数据源。如果根据需求要添加、删除和修改新的报警去重逻辑，只要对应地添加、删除和修改新的去重模块，无需修改编译整个监控数据处理模块，降低了技术改造成本，提高了系统的灵活性。举例来说，当系统中仅有关键字去重这一种报警去重逻辑时，在系统运行过程中针对其它第一服务器的连通情况也会使用关键字去重进行处理，这样会出现管理者不知道哪台服务器出现不能连通的故障的问题。在本实施例提供的系统中，针对这种情况可以再配置一种专门用于处理与其它第一服务器的连通情况这一数据源的报警去重逻辑，即在系统中添加预先配置有相应报警去重逻辑的去重模块。对于较为复杂的情况，去重模块提供的报警去重逻辑不仅可以用于去重处理，还可以用于智能分析，提炼出真正有问题的源头，便于尽快解决问题。

图2示出了根据本发明另一个实施例的用于服务器集群运算中对服务器状况报警的监控系统的结构框图。本实施例与上述实施例的不同之处在于，第二服务器有多个，每个第二服务器中都部署有一个监控数据处理模块、一个以上去重处理模块和一个发送报警模块。在图2所示的监控系统中，共有4个第二服务器，每个第二服务器中部署了1个去重模块，但本发明不仅限于此。本实施例将监控数据处理模块和发送报警模块进行了分布式化改造，将其迁移到分布式的流式计算平台上运行。下面以分布式的流式计算平台为storm平台为例进行说明。需要注意的是，本发明不仅限于该storm平台。

storm平台是twitter一个开源的分布式实时计算系统，一个模块在该平台上以一个任务的形式运行。经过分布式化改造后，监控数据处理模块和发送报警模块就是以任务的形式运行。在图2所示的例子中，一个storm平台上有4个第二服务器a、b、c和d，其中每个第二服务器中都部署有1个监控数据处理模块、1个去重处理模块和1个发送报警模块。这4个第二服务器对外提供（如向多个第一服务器提供）一个虚域名和一个虚IP，该虚域名和虚IP与这4个第二服务器中的任一个具有绑定关系，上游的监控数据采集模块在采集到各自第一服务器中的与运行状况有关的数据（具体过程与上述实施例所描述的相同，在此不再赘述）后，向该虚域名和虚IP发送数据。例如，虚域名和虚IP与第二服务器a具有绑定关系，那么第二服务器a就负责接收上游的监控数据采集模块发送过来的数据。storm平台可以对部署在多个第二服务器上的监控数据处理模块和发送报警模块进行任务调度。具体地，如果监控数据采集模块所发送的数据需要由第二服务器b上的模块进行处理，比如由监控数据采集模块所发送的数据的类型确定该类型所对应的报警去重逻辑配置在第二服务器b的某个去重模块中，那么storm平台负责将第二服务器a接收的数据传给第二服务器b。第二服务器b中的监控数据处理模块将数据与预先设定的规则进行比较，根据符合规则的数据得到报警信息，然后根据对应的报警去重逻辑对报警信息进行去重处理后发送给第二服务器b中的发送报警模块；该发送报警模块用于根据接收到的报警信息发送报警信号。有关监控数据处理模块和发送报警模块的处理过程的描述可以参见上述实施例，在此不再赘述。

在本实施例提供的系统中，如果多个第二服务器中的任一个宕机，通过storm平台的合理调度都能使得整个系统正常运行。举例来说，如果与虚域名和虚IP具有绑定关系的第二服务器a宕机，可以通过手动切换或自动切换，将虚域名和虚IP切换到第二服务器b（也可以切换到第二服务器c或d），由第二服务器b负责接收上游的监控数据采集模块发送的数据。如果与虚域名和虚IP不具有绑定关系的第二服务器b宕机，在storm平台负责将第二服务器a接收的数据传给第二服务器b后，检测到第二服务器b处理数据失败，那么storm平台将自动将任务调度给第二服务器c或d，或者重新调度给第二服务器a，将数据接着传给第二服务器c或d或a，由第二服务器c或d或a中的监控数据处理模块对数据进行处理。由此保证了整个监控系统的正常运行。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书（包括伴随的权利要求、摘要和附图）中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书（包括伴随的权利要求、摘要和附图）中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（DSP）来实现根据本发明实施例的用于服务器集群运算中对服务器状况报警的监控系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

本发明还公开了A1、一种用于服务器集群运算中对服务器状况报警的监控系统，包括：分别部署在多个第一服务器中的多个监控数据采集模块；以及，部署在第二服务器中的监控数据处理模块、一个以上去重模块和发送报警模块，每个去重模块中预先配置有至少一种报警去重逻辑；

所述一个以上去重模块与所述监控数据处理模块连接，用于向监控数据处理模块提供所述报警去重逻辑；

所述监控数据处理模块与所述多个监控数据采集模块连接，用于将所述监控数据采集模块采集的数据与预先设定的规则进行比较，根据符合规则的数据得到报警信息，然后根据所述报警去重逻辑处理对所述报警信息进行去重处理后发送给所述发送报警模块；

所述发送报警模块与所述监控数据处理模块连接，用于根据所述监控数据处理模块的发送的报警信息发送报警信号。

A2、根据A1所述的系统，每个去重模块中预先配置有一种报警去重逻辑，不同种的报警去重逻辑配置在不同的去重模块中。

A3、根据A1或A2所述的系统，所述监控数据处理模块根据不同种的报警去重逻辑对根据符合规则的不同类型的数据得到的报警信息进行去重处理。

A4、根据A1所述的系统，所述部署在第一服务器中的监控数据采集模块所采集的数据包括以下数据的一项或多项：第一服务器的cpu的空闲率、内存占用率、硬盘IO使用率、网卡进出流量使用率、日志数据、以及与其它第一服务器的连通情况。

A5、根据A1所述的系统，所述发送报警模块还用于在发送报警信号成功之后丢弃报警信息；或者，在发送报警信号失败之后重新发送并向系统维护者发送提醒信息。

A6、根据A1所述的系统，所述报警去重逻辑包括：根据预定时间进行去重处理的逻辑；或，根据预定数量进行去重处理的逻辑。

A7、根据A6所述的系统，所述报警去重逻辑还包括：智能分析逻辑。

A8、根据A1-A7任一项所述的系统，所述第二服务器有多个，每个第二服务器中都部署有监控数据处理模块、一个以上去重模块和发送报警模块。

A9、根据A8所述的系统，多个第二服务器运行在分布式的流式计算平台上。

A10、根据A9所述的系统，所述分布式的流式计算平台向多个第一服务器提供虚域名和虚IP，所述虚域名和虚IP与多个第二服务器中的任一个具有绑定关系。

A11、根据A10所述的系统，所述分布式的流式计算平台能够切换虚域名和虚IP与多个第二服务器中的任一个的绑定关系。

A12、根据A9所述的系统，所述分布式的流式计算平台为storm平台。

Claims (11)

1.一种用于服务器集群运算中对服务器状况报警的监控系统，包括：分别部署在多个第一服务器中的多个监控数据采集模块；以及，部署在第二服务器中的监控数据处理模块、一个以上去重模块和发送报警模块，每个去重模块中预先配置有至少一种报警去重逻辑，不同种的报警去重逻辑配置在不同的去重模块中；所述报警去重逻辑配置在与所述监控数据处理模块独立的去重模块中；所述报警去重逻辑独立成单个类或文件；

所述一个以上去重模块与所述监控数据处理模块连接，用于向监控数据处理模块提供所述报警去重逻辑；

所述监控数据处理模块与所述多个监控数据采集模块连接，用于将所述监控数据采集模块采集的数据与预先设定的规则进行比较，根据符合规则的数据得到报警信息，然后根据所述报警去重逻辑处理对所述报警信息进行去重处理后发送给所述发送报警模块；

所述发送报警模块与所述监控数据处理模块连接，用于根据所述监控数据处理模块的发送的报警信息发送报警信号。

2.根据权利要求1所述的系统，所述监控数据处理模块根据不同种的报警去重逻辑对根据符合规则的不同类型的数据得到的报警信息进行去重处理。

3.根据权利要求1所述的系统，所述部署在第一服务器中的监控数据采集模块所采集的数据包括以下数据的一项或多项：第一服务器的cpu的空闲率、内存占用率、硬盘IO使用率、网卡进出流量使用率、日志数据、以及与其它第一服务器的连通情况。

4.根据权利要求1所述的系统，所述发送报警模块还用于在发送报警信号成功之后丢弃报警信息；或者，在发送报警信号失败之后重新发送并向系统维护者发送提醒信息。

5.根据权利要求1所述的系统，所述报警去重逻辑包括：根据预定时间进行去重处理的逻辑；或，根据预定数量进行去重处理的逻辑。

6.根据权利要求5所述的系统，所述报警去重逻辑还包括：智能分析逻辑。

7.根据权利要求1-6任一项所述的系统，所述第二服务器有多个，每个第二服务器中都部署有监控数据处理模块、一个以上去重模块和发送报警模块。

8.根据权利要求7所述的系统，多个第二服务器运行在分布式的流式计算平台上。

9.根据权利要求8所述的系统，所述分布式的流式计算平台向多个第一服务器提供虚域名和虚IP，所述虚域名和虚IP与多个第二服务器中的任一个具有绑定关系。

10.根据权利要求9所述的系统，所述分布式的流式计算平台能够切换虚域名和虚IP与多个第二服务器中的任一个的绑定关系。

11.根据权利要求8所述的系统，所述分布式的流式计算平台为storm平台。