JAVA开发运维（云基础设备监控）

article/2025/10/2 19:11:23

在大型的商用系统中，经常需要监控云设备的健康状态，性能情况，流量数据等。及时发现系统问题，及时修复，以确保系统的高可用。检查云资源的工作内容主要包括基础监控、主动拨测、用户体验、APM监控、指标体系、业务分析、智能警告等。

一、基础监控

主机监控 提供操作系统的CPU、内存、磁盘、文件系统、网络的监控；同时提供进程级的监控；支持容器和进程的纵向调用，支持进程和组件的关联分析。

组件监控 支持Nginx、Apache、Redis、RabbitMQ、ActiveMQ、Zookeeper、Kafka、MySQL、Oracle、PostgreSQL、SQLServer、MongoDB、Elasticsearch等组件的指标监控，同时关联进程、主机、容器、APM提供纵向关联分析。

容器监控 支持Docker、Kubernetes的监控，自动发现容器进程，监控容器的CPU、内存、磁盘、网络；自动发现容器下运行的关键进程并与之关联，快速查看进程和容器的调用关系。

内网监控 从外部对应用或主机提供服务监控，支持ICMP监控、TCP监控、HTTP(s)监控。帮助用户监测局域网内网络的联通性和延迟。

二、主动拨测

拨测从用户视角，依托全球高质量布点网络，模拟用户的访问路径与习惯，能够让企业了解自身用户，无论何时何地，使用何种设备，能否顺畅进行访问，实时掌握用户体验，确保企业的数字化业务平稳运营。

移动应用拨测是基于自研自动化测试引擎和独一无二部署技术，模拟用户操作将核心业务流程脚本化并持续运行在生产环境中，实时采集业务性能数据，自动进行汇总分析的全方位自动化平台。能够让企业了解自身业务在用户视角下的实际情况：何时何地、使用何种设备、能否顺畅进行访问，实时掌握用户体验，确保企业的数字化业务平稳运营。

三、用户体验

采用SDK方式实现对App的崩溃、卡顿、超时等性能问题进行采集，并能对真实用户体验进行量化，实现版本迭代过程中的用户体验优化。

提供Web前端性能的监控与分析，量化前端用户体验指标，采集网页JS错误及网络请求错误，快速定位Web前端的性能问题，辅助进行Web前端性能优化。

提供对微信小程序、支付宝小程序的性能监控能力，并能够对小程序接口及小程序访问路径进行追踪，帮助开发人员有效进行小程序性能优化。

四、APM监控

全栈拓扑

自动发现业务系统之间、应用与业务系统之间、应用与服务组件之间的关联关系。通过拓扑可快速梳理业务调用逻辑，快速发现与定位问题。

业务接口分析

对业务系统中完成某一业务操作的动作事件进行相关事务级别的监控与分析，这也是应用性能管理的最小监控单元，帮助用户细粒度定位问题。

代码级别定位

针对某事务实例，对其进行代码级别的堆栈分析，精确定位到某一行业务逻辑代码，观察其因为什么报错或是由于什么原因导致执行缓慢，帮助研发和运维人员快速定位问题。

异常分析

统计当前系统内所有应用错误、代码异常、数据库错误类型等，对业务的影响分析，包括影响的用户数、影响的业务指标等，帮助研发、运维、业务人员分析系统性能影响范围。

故障主动预警

支持多维度、灵活的配置预警策略，提供7*24小时主动预警能力，主动运维，VIP用户保障，第一时间发现性能问题，降低异常时长，减少运维人力投入

五、指标体系

指标管理可以接入自有系列产品监控的指标，以及诸如Zabbix、Prometheus等多个数据源、多种协议的外部指标数据，贯穿业务到IT系统的全方位立体化可观测能力。

重要指标：

业务层

通用指标：业务可用性、业务错误数、完成业务数、报错业务数、活跃用户数、错误影响用户数、业务流可用性、完成业务流、报错业务流、在途业务流、活跃用户数、错误影响用户数、平均执行周期、操作可用性、操作成功次数、操作失败次数、同比环比自定义指标：交易金额、订单总数、top10商家销售排名、top10热销商品等。

用户层

重要指标：可用性：崩溃、卡顿、请求错误、操作可用性网络性能：响应时间、网络时间、用户体验性能：应用启动时间、页面可交互时间、页面首屏时间、操作时间。

网络层

重要指标：页面监控：首屏时间、总下载时间、DNS时间、建连时间、首包时间、可用性等文件监控：平均下载速度、DNS时间、建连时间、首包时间 Ping监测：延迟、丢包事务：总下载时间、可用性、总下载字节数。

应用层

重要指标：追踪：响应时间、执行时间、独占时间、投影时间、数据库响应时间服务组件-数据库：吞吐率、响应时间、调用次数、异常次数、追踪次数连接池：最大连接数、初始连接数、最小连接数、最大连接数、连接数使用率、连接数空闲率、平均连接时间实例：吞吐率、响应时间、错误率、堆内存使用、非堆内存使用、GC time、GC count、线程数应用：吞吐率、响应时间、错误率、错误数。

基础组件层

重要指标：数据库：QPS、TPS、连接数、打开文件数、表容量、表行数、主从延迟、主从同步状态、SGA、PGA、表空间等进程：CPU使用率、内存使用量、磁盘吞吐、网络吞吐，打开文件数、进程数等容器：CPU使用率、内存使用量、磁盘吞吐、网络吞吐主机：CPU使用率、内存使用率、磁盘分区使用率、磁盘读写吞吐量、磁盘读写IOPS、磁盘读写延迟、磁盘IOutil、网络吞吐率，网络错误等网络或安全设备：CPU、内存、风扇、温度、电源等。

六、业务分析