长期运行环境下菲律宾云服务器质量监控与预警策略
1) 目标:保证菲律宾(PHT)长期运行环境的可用性、性能和可维护性,降低故障恢复时间。
2) 方法:指标采集、告警规则、通知链路、日志聚合、仪表盘、容灾与演练。
1) 基本指标:CPU、内存、磁盘使用、磁盘IO、网络带宽、丢包、连接数、负载平均。
2) 建议阈值:CPU持续>80%(5min)、内存剩余85%、丢包>1%、响应时延>500ms。
1) 在每台Linux机器执行:下载并运行node_exporter:
wget https://github.com/prometheus/node_exporter/releases/download/v1.5.0/node_exporter-1