常用開源監控系統分析推薦（必備知識）
摘要：在互聯網信息爆炸式快速發展的今天，各類復雜多樣的平臺系統相繼涌出。如何選擇最佳的監控產品以更好地維護這些平臺和系統是每個 IT 人員都需面臨的難題。本文將從開源監控產品的起源和發展，詳細解析各個時代熱門監控產品的優勢和劣勢，并結合各個監控產品的使用場景，幫你選擇出最適合自己的開源監控產品。因篇幅和時間原因，下面介紹的資料和理解可能和實際情況有所偏差，歡迎大家留言或者加入微信群批評指正。
作者：Ethan Chen 云智慧解決方案架構師，擁有豐富的運維理論及實戰經驗。致力于將客戶需求有效地轉化為公司產品場景，讓客戶更有效率地理解公司產品并為其提供優質的技術支撐。
開源監控軟件的前世今生
如下面谷歌趨勢圖所示（因有些單詞有二義性，具體數值可忽略，只看趨勢），與其他開源監控產品相比，2004 年的Nagios仍處在較高位置，但由于Nagios沒有緊跟容器腳步、且配置復雜等缺點導致熱度直線式下降。反觀Zabbix，從2004年至今，由于其監控的全面性，使得其熱度一直處于平穩上升階段。此外，基于RRD存儲開發的Ganglia與Cacti由于產品自身的一些缺點，熱度也在逐漸下降。下文我們將詳細介紹各個產品的具體情況。
古代（2000-2010）
Zabbix（2004）
Zabbix于1998年開發，2004年正式Release。較于其他開源監控產品，Zabbix擁有強大的指標數據存儲功能、畫圖功能，并且真正地做到了All in One全面監控，解決了運維人力和時間成本上的問題。
基于以上功能優點，以及大量完善的教程文檔，Zabbix在國內迅速傳播發展。現如今，Zabbix已經進入了5.X時代，前端界面的優化、ES及TimescaleDB等時序數據庫的支持，使得Zabbix又步入了一個的新的時代。
優勢
- 豐富的插件。Zabbix擁有豐富的MiB庫資源以及模版等850多個插件；
- 易用性、依賴少。基于PHP與MySQL搭建，可用性比較強；
- 可進行一定顆粒度的權限控制；
- 文檔完善。Zabbix本身定位為企業級分布式監控系統，故擁有完善的文檔，活躍的官方社區，且本身也更新得比較頻繁，開發比較積極；
- 國內市場有相關的商業支持。
劣勢
- MySQL數據量問題。當MySQL數據量比較大時，存儲性能容易出現問題；
- 可視化問題。自身可視化靈活性較差，需用Grafana等進行彌補；
- 功能使用率低，80%的用戶使用的仍為監控、看圖、告警等基礎功能，大部分高級功能未能被使用。
使用場景分析
- 監控基礎設施。主機、網絡設備監控等；
- 中小規模監控；
- 對于大型場景的監控來說仍需注意數據問題。
Nagios（2002）
Nagios是一個主要用于監控系統運行狀態和網絡信息的監控系統。Nagios能監控所指定的本地或遠程主機以及服務，同時提供異常通知等功能。
Nagios擁有4000多個插件，且在很早之前就開始擁有自己的官方插件社區。這里面包括很多應用級別的監控插件。此外，Nagios的通知雖然簡單但能覆蓋所有場景，以及本身擁有強大的監控任務調度的能力。
優勢
- 功能簡單易用，主要的功能是主動檢測。
劣勢
- 功能過于單一，只能通過主動檢測告知結果是否匹配，被動檢測功能原生功能較弱；
- 配置復雜，配置修改主機、報警、閾值等時，在原生Nagios中只能通過修改配置文件來實現，操作較為復雜。
使用場景
- 小場景簡單監控。對于一些網站、端口等可進行簡單監控；
- 大型場景需要各種花式Hack，需要借助很多第三方的插件進行效率的提升和分布式的擴展。
Centreon（2005）
Centreon是一款開源的軟件，主要用于對Nagios的一些功能增強。可通過頁面管理Nagios，通過第三方插件實現對網絡，操作系統，應用程序的監控。
優勢
- 界面友好
- 維護方便
- 統一管理
- 性能數據可追溯
劣勢
- 修改配置需要重啟或者重載Nagios主進程
- MySQL依然存在數據問題
- 文檔資料較少
使用場景分析
- 適用于百臺規模的中等監控
- 仍需要解決原生Nagios的一些弊端
Check_MK
Check_MK是一款通用的Nagios/Icinga增強工具集。其插件有著相當成熟的檢測機制和對硬件服務器的檢測手段。非常適合對硬件服務器進行“體檢”。
優勢
- 界面友好
- 維護方便
- 統一管理
- 性能數據可追溯
劣勢
- 增加變更需要重啟Nagios主進程。
- 因后端存儲使用RRD，導致分布式擴展較為困難。
- 文檔資料較少。
使用場景分析
- 適用于百臺到千臺以內中等規模監控
- 需要解決Nagios的一些弊端
Cacti（2001）
Cacti是用PHP語言實現的一個監控軟件，它的主要功能是用SNMP服務獲取數據，然后用RRD儲存和更新數據，當用戶需要查看數據的時候用RRD生成圖表呈現給用戶。
優勢
- 網絡設備支持好
- 有權限控制
- 有漢化版
- 早期在IDC覆蓋廣
劣勢
SNMP依賴只適合特性場景
- 資料老舊
使用場景分析
- 簡單的IDC托管
- 網絡運維
Ganglia（2001）
Ganglia是UC Berkeley發起的一個開源集群監視項目，設計用于測量數以千計的節點。主要是用來監控系統性能，如：CPU 、內存、硬盤利用率， I/O負載、網絡流量情況等。
優勢
- 數據集中，部署分布式
- 適合大規模部署
- 對集群熱點觀測性支持較好
劣勢
無告警
集群內UDP廣播問題多
使用場景分析
- 大數據應用
- 集群較多，關注整體資源使用率
近代（2010-2015）
監控寶（2010）
監控寶是云智慧推出的新一代用戶體驗監控工具，從全球節點主動模擬真實用戶訪問，提供網站性能監控、API監控等服務，持續監測應用程序、網站、網絡和數字化服務的可用性和性能，提前診斷，實時告警，幫助客戶提升網絡應用效能。
優勢
- 全球分布式監測網絡。200+ 分布式監測節點覆蓋全球112個城市以及主要運營商網絡，網絡規模持續擴大中。
- 主動監測。監測節點按照預設規則模擬真實用戶發起主動監測，實時掌控網絡性能，聚焦用戶體驗。
- 立體化覆蓋。HTTP/HTTPS/TCP/UDP/TR/DNS/PING等多種協議類型，全面問診網絡、業務健康。
- 面向業務。通過包含多步請求的事物監控實現業務流程的監測，保障業務的穩定性和可用性。
- 持續監控。24/7小時全天候監測網站和網絡性能，多渠道服務支持，減少可能發生的中斷。
- 快照+MTR。先進的問題診斷與分析機制，問題發生之前和問題恢復之后的數據盡在掌握，快速定位故障。
- 靈活告警。短信、郵件、微信、語音、API等多種告警方式，確保告警能夠被即時送達。
- 專業的分析報告。提供綜合排名、競品分析、同比/環比、日/周報等多維度的數據報告，滿足專業化定制需求。
使用場景分析
- 網絡鏈路質量監控與評估。通過采集不同地區、不同運營商鏈路的時延、丟包、網絡抖動情況，從時間、地域、運營商等維度綜合分析網絡鏈路質量及可用率，快速發現和準確定位網絡問題，便于及時進行鏈路調整，保障全網用戶的體驗。
- CDN監控。通過海量的分布式節點模仿真實用戶訪問，監控CDN性能，評估CDN的加速情況，確保最佳的用戶體驗，可用于CDN選型評估、CDN加速效果評估、CDN故障排查與定位等使用場景。
- API接口監測。通過監控API接口的響應時間、可用性和正確性并及時告警來保證API服務的可靠性，可用于API接口性能優化、第三方API接口監控等使用場景。
Graphite（2008）
Graphite是一個開源實時的、顯示時間序列度量數據的圖形系統，通過其后端接收度量數據，然后以實時方式查詢、轉換、組合這些度量數據。
優勢
- 指標點分概念引入
- Grafana支持較早的協議之一
- 統計函數支持（140+）
劣勢
- 指標無Label支持
使用場景分析
- 在做好數據歸并時可用于大規模場景
現代（2015-2021）
Prometheus（2016）
Prometheus 是由 SoundCloud 開源的監控告警解決方案。存儲的是時序數據，即按相同時序(相同名稱和標簽)，以時間維度存儲連續的數據的集合。
優勢
- 時序型存儲、查詢效率高。
- 支持集群模式，擴展性強。
- CNCF項目，社區活躍。
劣勢
- 一些Exporter采集的指標眾多，需進行適當裁剪。
- 自定義采集腳本需要腳本開發能力（Golang、Python），相比Shell腳本來說學習成本更高一些。
使用場景分析
- 對于云計算、容器化場景更適合
夜鶯（2018）
夜鶯是一套分布式高可用的運維監控系統，前身是國內大名鼎鼎的open-falcon。基于一些國內特殊的運維場景和習慣，在運維圈中有著不俗的場景理解和用戶體驗。
優勢
- 社區活躍，有open-falcon群眾基礎。
- 產品設計靈活，人性化。
- v4版本自帶小型CMDB和自動化。
- v5版本全面擁抱開源體系（Prometheus Telegraf）。
劣勢
- v5剛發布，仍然需要一定的時間積累
- 后端存儲的選型多樣，需要根據場景進行選擇
- 缺少日志類和Tracing類的監控場景
使用場景分析
- 所有指標類的監控
未來（2022-）
云原生的出現導致在k8s環境下的可觀測性難度極具增加，因此出現了eBPF等新技術，但無奈市場上大部分的客戶Linux內核還不足以支持相關的技術。但可以看到的是DataDog skywalking 云杉等目前都在向eBPF進行布局。
除了增強程序自身的可觀測性之外，可以預見在不久的將來，隨著Linux內核的不斷的完善以及客戶環境逐漸的成熟。在運維角度可以發力的可觀測性的選擇一定會越來越多。
