又拍云 CDN 全网实时、精准化监控技术实践

又拍云如何在国内业界率先做到 CDN 全网实时、精准化监控？就这个问题，又拍云 CTO 黄慧攀于 8 月 25 日在“云头条”做了专题分享。内容涉及监控在云服务中的重要性，以及实现监控性能提升的技术实战方法。

首先，从整体上讲，又拍云的云服务有三块：

• CDN
• 云存储
• 云处理

每个云服务的监控侧重点各有不同。

CDN：监控性能和可用性

又拍云的 CDN 用到了听云（基调）和安全宝、DnsPod 等外围的服务监控。zabbix 是最基础的服务器监控，它的不足之处在于：

1. 实时性差；
2. 无法方便的对业务进行监控（需要做大量对接工作）。

Agent 是 又拍云自己写的 shell 脚本，负责从服务器自身内部发现问题，并告警。如：本机的各个业务系统是否在正确运行，和当前服务器连接关键机房的网络质量等。缺点在于如果自身网络出现问题就无法告警，但能根据自己的业务特点，做多种健康检查，比较灵活。

数据中心：自主研发狗眼监控系统

注：标黑色线的，表示该项监控的主要用途

数据中心有两块大业务：

• 云存储
• 云处理

去年又拍云用 zabbix 来负责服务器硬件资源的监控，但无法满足需求，所以我们又拍云自己开发了一个系统，命名为“狗眼系统”，来专门做服务监控。它可以监控到又拍云某项具体服务：

• 吞吐量
• 平均处理耗时

更重要的是，它能做到秒级告警，又拍云数据中心每个子业务都做了狗眼的接入，以保障整个平台的稳定性。

举个例子，某个客户上传一个图片，并要求做缩略图存储。这会牵扯到几个业务系统：

• API；
• 云处理；
• 云存储。

如果上传失败，或者上传很慢，以前又拍云通过 zabbix 观察哪台服务器压力大，非常麻烦，在集群服务的情况下单台服务器根本不反映集群的服务状态。

而在开发出狗眼监控后，又拍云能准确的判断到哪个子业务的负载有问题，影响到了整个业务流程，比如：云处理环节出问题了，影响到整个文件上传速度。 狗眼会根据历史情况，判定当前这秒的数值是否偏差，异常，并做出告警。又拍云的工作人员马上检查云处理这个服务集群的状况，了解是否因为当前的处理量过大或者网络读写等情况导致。

狗眼系统从 2013 年 12 月开始开发，耗时 1 周。用了将近半年时间连接 又拍云服务。“狗眼”有 20w 个 UDP 包的处理能力，有了狗眼系统，又拍云从原来的盲人摸象，进化为具有敏锐的“嗅觉”。能快速准确的定位为问题。

日常监控：实时日志分析系统

另外，又拍云还有实时日志分析系统。有些具体的错误信息需要在日志里面体现出来。日志分析系统无法做全量，一般 200 OK 正常的请求日志没必要记录和处理的，又拍云只处理 code & 400 的记录。

有这么多个渠道给出告警信息，还得避免狼来了的情况发生，对告警进行去重、筛选非常重要，黄慧攀将监控分了主要的 2 种角色，互相配合一起来做告警，方便维护。

这些监控最有用的是历史数据，在上面可以分析出异常，如又拍云针对全国机房的链路情况，每 10 分钟采一次样，采集到的数据加以处理总结出一些规律，如有些机房在晚高峰的时候会总出口拥堵而导致性能下降。更细致的观察需要根据节点的服务日志记录分析，如平均下载速度，下载速度大于 10mbps 的比例，回源慢的影响比例等。