雲計算管理三大利器：Nagios、Ganglia和Splunk

綜合利用Nagios、Ganglia和Splunk搭建起的雲計算平臺監控體系，具備錯誤報警、性能調優、問題追蹤和自動生成運維報表的功能。 有了這套系統，就可輕鬆管理Hadoop/HBase雲計算平臺。

雲計算早已不是停留在概念階段了，各大公司都購買了大量的機器，開始正式的部署和運營。 而動輒上百台的性能強勁的伺服器，為運營管理帶來了巨大的挑戰。

如果沒有方便的監控報警平臺，對於管理員而言猶如噩夢，每天都將如救火隊員一樣，飛快地敲擊鍵盤，用原始的Unix命令在多台機器中疲於奔命。

如果沒有好的日誌管理平臺，對於開發者Troubleshooting更是一件淚流滿面的事情。

而如果你是運維團隊的總負責人，簡潔清晰的Report則非常重要。 Stakeholder們動不動就可能問起系統的SLA、機器的利用率等諸多問題，畢竟，公司為此投入了巨大的資金和人力。

朋友們，當我們管理起公司寄予厚望的雲計算平臺時，當我們面對如此多充滿挑戰的實際問題時，該怎麼辦？

概述

我們在搭建趨勢雲計算平臺時，遇到了很多的問題和挑戰。 開始搭建時，第一次來了那麼多性能強勁的機器，我們在感到興奮的同時，也不免有些顧慮。 大家坐在一起討論，問題就列了滿滿一白板。

出了問題怎麼辦，有沒有預警機制？

有沒有視覺化的管理介面？

管理平臺需要自己開發嗎？ 開發難度有多大？

有沒有開源的管理工具？

那麼多日誌分佈在各個機器上，有沒有更有效的方法管理？

能否生成好的報表？

機器宕機，管理員能否收到短信通知？

如何做性能調優？

擴容升級時，能否給出依據？

帶著這些問題，我們開始了自己的雲計算平臺管理和運營之旅，一路走來，收穫頗豐。 現在基本上形成了如圖1所示的一整套雲計算平臺監控體系。

圖1 雲計算平臺監控架構

在這個系統中，我們綜合利用了Nagios、Ganglia和Splunk，搭建起雲計算平臺監控體系，使其具備錯誤報警、性能調優、問題追蹤和自動生成運維報表的功能。 有了這套系統，我們終於能夠輕鬆管理Hadoop/HBase雲計算平臺了。 接下來將簡單介紹它們的特點和功能。

(責任編輯：蒙遺善)