使用 Xymon 进行系统监控/其他文档/常见问题解答/通用监控系统功能

监控系统的需求

警报

• 发送（电子邮件/短信/等）
• 确认（显示谁正在处理问题）
• 延迟
• 发送给特定组/个人
• 升级路径

• 能够为每个服务测试设置严重性级别（例如，生产服务器上的磁盘与开发服务器上的磁盘）
  • 不同级别有不同的操作，即
    • 级别 1（磁盘 95% 满）警报帮助台
    • 级别 2（磁盘 98% 满）警报 IT 团队

显示

• 包含或集成到实时显示系统中（使用颜色：红色、黄色、绿色、紫色、白色和蓝色）
  • 红色
  • 黄色
  • 绿色
  • 白色
  • 紫色

• 显示上次检查时间

• 显示状态的“摘要”。例如，将 Unix 盒子分组并显示是否有任何问题

• 能够自定义显示。例如，IT 帮助台的摘要页面、Unix 管理员的 Unix 页面、网络团队的网络页面。

• 能够限制访问监控系统（我们不希望普通用户看到所有监控的内容）

• 能够搜索主机

监控

• Microsoft Windows：Windows NT、Windows XP、Windows Vista。
  • 能够处理 Windows 事件日志和性能监控
• UNIX：Solaris、AIX、HP-UX、IRIX、Linux、MacOS X、Tru64。
• 服务（DNS/FTP/SMTP/LDAP/等）
• 应用程序（Outlook、日历、Exchange、证书服务、Apache、Tomcat、等）
  • HTTP 应用程序监控
    • 预期返回内容
    • 可接受的响应时间（加载网页 10 秒不可接受）
  • 模拟 Windows 客户端应用程序。例如，点击图标启动 Word。输入一些文本。将文档保存到驱动器。关闭 Word。确保整个过程都成功。
• 服务级别测试
  • 例如，Web 应用程序需要 Web 服务器、DNS、LDAP 等。如果 DNS 服务器出现故障，那么 Web 应用程序也会出现故障。
• 允许进行集群测试（例如，5 个集群中的 1 个 Web 服务器出现故障，通知 Web 服务器停机，但不要通知 Web 服务停机）
• 网络文件共享
• SAN 监控
• Citrix 服务器和服务
• 打印机
  • 打印机错误，例如墨粉不足
  • 打印队列
• SNMP 设备
• 硬件（即 Dell DRAC、Sun Solaris），通过硬件卡和操作系统软件。
• UPS
• 其他环境输入（温度、湿度等）
• 夜间备份
  • 如果备份花费的时间比预期长，则发出警告
  • 如果某些备份失败，则发出警报

网络

• 提供与 Cisco Works 的集成，或具有类似的功能
• WAN 链路、LAN 链路、VLAN 等
  • 验证链路是否已连接
  • 验证带宽是否未饱和
• Cisco/网络硬件
  • CPU 负载
  • 环境，例如电源、温度警报等
• 能够与探测器交互（将流量分解为类型和大小）
• 捕获和跟踪对硬件配置的更改

操作系统监控

• 磁盘
• 内存
• 进程
• 响应时间
• CPU 负载
• 硬件故障
• 操作系统警报（系统事件日志和 syslog）

数据库监控

• Oracle
• MySQL
• MSSQL
• Ingres

文件监控

• 文件增长，如果存在等

自定义

• 易于扩展/自定义自己的测试（用于集成的 API）

趋势

• 针对趋势发出警报，例如，1 个月内增长 10% 可能没问题，但 2 个小时内增长就不行。
• 为网络带宽使用情况或任何收集的数据提供趋势分析

集成

• 与帮助台/故障单系统集成
  • 自动提交故障单
  • 自动更新现有故障单

• 与（或包含）资产管理系统集成
  • 显示序列号、制造商、保修期限、维修/更换历史记录等

• 与其他监控系统集成，例如 Ciscoworks、Oracle Enterprise Manager、HP、Compaq Insight Manager 等

• 与 Microsoft Operations Manager (MOM) 集成，或提供 MOM 中可用的类似功能

代理

• 本地安装的代理来收集数据（并在本地暂时存储数据）
• 中央轮询服务器能够联系代理以获取收集的数据
• 本地代理能够将数据发送到轮询服务器
• 能够远程更新代理

其他

• 历史保留

• 提供报告

• 必须能够为每个设备分配多个 IP 地址，并在需要时单独测试每个 IP 地址。

• 对正在监控的服务的影响最小
• 监控（和管理）客户端（远程设备）的努力最小
  • 不需要对现有基础设施进行升级（例如，必须运行最新版本的软件才能进行监控）

• 远程监控服务器能够向中央服务器报告

• 依赖关系感知（如果核心路由器出现故障，不要针对其后面的设备发送 100 个警报）

• 允许计划停机（在将来禁用测试）
  • 需要授权
  • 需要显示原因

• 允许定期维护窗口（应用程序每星期日晚上重启 - 不要发出警报）

• 能够将测试委托给其他设备（例如，层级管理结构）

• 监控系统中的审计历史记录（服务器添加日期、何时禁用监控以及原因等）

• 系统必须能够自我监控

• 能够监控 1000 多个设备

• 允许可变轮询（某些测试每 5 分钟一次，某些测试每 1 分钟一次）

• 高度可靠

• 冗余（如果您的主要监控服务器出现故障，则备用第二台服务器）

• 将默认阈值应用于设备组。允许对这些阈值进行“一次性”例外。例如，所有文件系统必须低于 90% 满。对于服务器 X，/opt 必须低于 94% 满，因为它当前为 93% 并且应该不会改变。