导语
华南零售行业全渠道联盟，简称“南零商盟”，华南时尚行业CIO联盟和广州鞋服行业信息化联盟、华南CIO联盟、华南智慧商品联盟唯一联合指导交流社群，汇聚服饰、时尚行业新零售全渠道搭建双方的精英联盟；
| 专心 | 专业 | 专研|
时尚行业信息化第一微信公号
点击这里->-> 隆重招商！2019年7月底将举行第四届全国时尚行业转型高峰论坛暨华南时尚行业CIO峰会！
第97期“南零商盟”微谈会于2019年6月20日晚上8点正式开播，本次分享嘉宾是来自速鸿科技林浩永总为大家分享“应用服务的黑匣子”。
嘉宾介绍
黑匣子作用
飞机失联或是遇难的情况，是我们现在无法完全避免的事情。每当遇到这样的事情，最先处理的事情，是救援，第二必需处理的事是找到黑匣子。
那飞机的黑匣子是什么呢？其作用又是什么？
说白一点就是飞机的监控器，是记录飞机的所有数据，一般包括两方面的数据：一是飞行数据，记录飞行的一切资料，飞行高度、速度、航向、垂直过载、俯仰、倾侧、操纵面的偏转角、升力、阻力和发动机功率等；第二是录音数据，记录了机务人员的所有声音。
如果没有黑匣子会是怎样子。一是没办法快速援救，飞机飞到哪里都不知道，即使有大量的人力物力也没用。二是不知道飞机失事的原因，那就会导致没办法修复问题，还有就是没办法定责。
例如，20多年前，挪威上空一架军用飞机发生爆炸，飞机坠毁，飞行员身亡。挪威当局赶到出事现场，从飞机残骸和飞行员的尸体中，辨认出这是一架某大国的军用侦察机。挪威向某大国提出抗议，某大国矢口否认。后来，挪威找到了飞机上的黑匣子，从黑匣子记录的数据进行分析，揭露了真相。某大国在铁的证据面前只好认错。
服务器也需要一个黑匣子
同样道理的应用服务也是需要一个黑匣子。在座的各位大部分都是企业里面的CIO，都是带领团队处理各种各样的系统故障，不多不少都遇到以下的问题：
1. 运维被动。
我接触过一个客户，有一个应用系统过一段时间需要重启才能正常。系统供应商找不出问题，也以别的客户没同样问题为由，而不处理，导致业务部门经常投诉至科技部，他们才去重启。运维太被动，不能主动先于业务部门发觉而处理。
2. 架构复杂
现在的系统为解决越来越复杂的业务和越来越大的访问量，系统架构越来越复杂。如一个简单的中型系统，可能会6台以下的服务器，一个服务器可能是两三个应用，三两个负载，几个缓存集群，几个数据库集群，甚至用到几台消息队列。一出现故障，根本没办法定位问题。
3. 难以定责
网络排查了，服务器资源排查了，日志查看了还是定位不到，系统还用不了或不稳定，咋办呢?网络人员，系统运维人员，开发人员，供应商？没真凭实据，真不好说。
4. 一般的产品日志写的都不详细。加外并发量大起来的话，几个G的日志，想要找到自己想要的日志确实非常难。而且如果涉及几台服务器的话，就是把几十个G的日志都下下来看，对运维和开发都造成很大压力。
通过IT运维的发展历程说明一下监控
前两个是”运维初始化“和”运维专业化“是对于很久以前的微小型运维的概念，那时只是装个小PC机，接接网络，配置网络之类，根本没有监控概念，也不需要监控。
到第三阶段”运维工具化”，这个时候随着系统服务器的增多，和架构变复杂了。技术问会建立自已的运维团队和开发团队。运维团队要管理大量的务器，网络设备等，必需要监控工具来附助，实时知道设备的状态，能及时定位和处理设备故障。
第四个阶段就DevOps,就是Dev就是指开发，Ops就是指运维，是开发和运维的高度柔在一起。在制度上的表现，第三阶段是开发部和运维部两条线了，即开发部管A,B,C几个项目，运维部也管A,B,C几个项目，到这个段阶会是A项目划入专职的开发人员，和运维人员。在这此阶段随首运维系统的强大，监控的深入，运维效率几何级别的提升，使“部署–监控–告警–处理故障–再部署”达到一个快速闭环。这其中监控的深入间重中之重的。在这阶段也使APM监控提到至关重要的位置。
第五个阶段是AI运维，是近几年几提出的，一般在大型的互联公司使用。这里最主要的两个概念是大数据和人工智能。正如上面所说的，对于日志可能一个就几十个G甚至上百个G，一个月下来就几个T，没有一个分布式的大数据平台在后面支撑，结果是一查数据就死机。有了大量的数据就可以用人工智能排问题。一个简单的场景是，如果应用假死了。运维人员会通过大量的监控指标，阀值去排查问题。人工智能直会跟你说网络故障了或JVM的堆内存配置过小了。
监控系统的架构
这里简单说说监控系统的架构。说是简单就三部采集，存储，展示预警。
但其实要做好是非常复杂的。对采集来说，首先是监控的系统有很多，有linxux，windows，MAC OS,要监控的应用类型又是多种多样硬件的监控，负载均衡，网络端口，消息队列，webservice，虚拟容器，数据库等。每一类型又有多种的应用，如数据库就是oracel,sqlserver,mongodb。开发语言也有十几种。简单运算一下，如有30种应用，两个操作平台，都需要60个采集模块。
监控数据的存储，对于中型系统来说，一个月的就是几百的G的，没有一个良好的分布式大数据平台，根本跑不起来，那么对于后面的数据展示和告警这些用户最真接，最实在的功能造成很大的影响的。
最后一层是运维人员最直接接触的功能，如应用拓扑逻辑发现和可视化。能自动识别应用在执行的过程中涉及的软硬件架构和组件，并且可以描绘出应用交付链中相互通讯的各种组件的访问路径，通过调用链的实现，形成拓扑图并进行可视化，直观地展示应用的拓扑逻辑。可以通过定量的指定设定，达到系统的预警，甚至AI来完成智能监控报警和处理。
四层监控体系和监控分类
根据应用系统的运行过程，我把监控体系统分成以下层：
第一层是端用户的监控。其就应用系统的基本触发点。在这里我们可以监控到用户的潜在信息：如用户在哪里使用的系统，使用的版本是什么，根据响应时间和返回码可以判断用户使用流不流畅，会不会经常报错。
第二层是业务监控，服务商来说我想知道注册人数，登录频不频繁，在天猫还京东下单较多，哪类人通常去天猫下单。
第三层是指针对应用层的监控，一般传统的监控供应商没有这层监控，这个是更高级别的监控。对于一般用户来说，应用程序就是一个黑箱子，操作系统，系统有反馈，但里面是怎运的怎样，为什么系统响应用户那么慢，或者给用户错误响应，都不知道。但在应用层做了APM的监控。就可以很快的回答这些问题。与传统的监控不一样APM能监控到应用运行时每一个时间切面的运行状态。知道系统第一个请求的数据处理状状，访问了哪台数据库，访问时间是多少，运行逻辑是否不正解，对服务的资源损耗多少等。对于应用的运行的疑难杂证是良方妙药。
第四层就基础设施监控，就是传统的监控服务器的CPU内存，磁盘IO等，或监控网络的流量情况，网络是否连通等。
一个好的监控系统能帮大家什么？
一个好的监控系统，能帮科技部的管理者对自己管理的所有的应用、设备的运行状态了如指掌;能简化日常运维工作，节约成本;遇到问题，能快速定位问题，提高满意度。甚至是带是人工智能运维系统能自动判定问题的根源，自动的处理问题。
注：以上内容摘选自南零商盟分享会，转载仅限学习分享；
如产生版权问题，请联系我们处理；
文章不代表”华南时尚行业CIO联盟“立场！
本篇文章来源于微信公众号: 时尚行业CIO
关注微信公众号
