用Nagios監(jiān)控校園網(wǎng)

引言：筆者所在學(xué)校信息化建設(shè)經(jīng)過(guò)多年發(fā)展，至今形成了以網(wǎng)絡(luò)設(shè)施、服務(wù)器及校園網(wǎng)站和相關(guān)教學(xué)辦公系統(tǒng)為核心的信息化設(shè)施。隨著信息化加深，監(jiān)控目標(biāo)從早期的關(guān)注軟硬件可用性，轉(zhuǎn)變?yōu)殛P(guān)注運(yùn)行健康度。我校采用開(kāi)源監(jiān)控工具Nagios，很好地實(shí)現(xiàn)了校園網(wǎng)健康監(jiān)控目的。

IT設(shè)施存在多種故障可能性：硬件會(huì)因老化或環(huán)境不佳導(dǎo)致性能表現(xiàn)下降、甚至完全損壞；軟件因設(shè)計(jì)編碼缺陷而會(huì)有段錯(cuò)誤、耗盡資源等故障。這些故障幾乎無(wú)法避免，一旦發(fā)生就會(huì)影響IT設(shè)施對(duì)外服務(wù)，輕則響應(yīng)速度下降，重則完全不可用。因此，必須有一套機(jī)制能確保迅速發(fā)現(xiàn)IT設(shè)施存在的各種故障，并能做出正確應(yīng)對(duì)措施，這就是監(jiān)控?，F(xiàn)在IT設(shè)施的規(guī)模都遠(yuǎn)遠(yuǎn)超出人力所能控制的范圍，需要自動(dòng)化、可靈活擴(kuò)展的工具實(shí)現(xiàn)無(wú)人值守監(jiān)控。

使用開(kāi)源監(jiān)控軟件

研究開(kāi)源監(jiān)控軟件意義是既要節(jié)約軟件采購(gòu)成本，又要利用開(kāi)源軟件的技術(shù)優(yōu)勢(shì)，彌補(bǔ)當(dāng)前筆者學(xué)校校監(jiān)控軟件的不足。

開(kāi)源監(jiān)控軟件最大的優(yōu)勢(shì)是開(kāi)放性。如果遇到軟件缺陷，用戶(hù)除了向開(kāi)發(fā)者提交缺陷和在社區(qū)尋找問(wèn)題的變通解決方法，還可以自己動(dòng)手修改代碼來(lái)解決問(wèn)題。開(kāi)放性的另一個(gè)好處是用戶(hù)可以自己改裝以實(shí)現(xiàn)復(fù)雜的監(jiān)控邏輯。開(kāi)源監(jiān)控軟件設(shè)計(jì)中都提供二次開(kāi)發(fā)的接口。

只要遵守接口規(guī)范，用戶(hù)就能實(shí)現(xiàn)任意復(fù)雜邏輯的監(jiān)控。

Nagios是開(kāi)源監(jiān)控軟件中的老牌產(chǎn)品，從2002年起便有投入使用的案例，至今依然在持續(xù)開(kāi)發(fā)更新，至今很多企業(yè)依然使用Nagios作為主要監(jiān)控工具。在Nagios之后有很多后起之秀，但都不同程度受到Nagios的影響。

Nagios集成方案

Nagios是 指NagiosCore，既Nagios核心。但是光有核心不能監(jiān)控任何主機(jī)，必須有合適的工具配合核心實(shí)現(xiàn)完整監(jiān)控功能。這些工具分為兩大類(lèi)：插件（Plugin）和擴(kuò)展（ Addon）。

Nagios插件是一組可執(zhí)行文件的集合，作用是獲得被監(jiān)控目標(biāo)的狀態(tài)。所有Nagios集成方案都需要用插件。插件可以安裝在被監(jiān)控端操作系統(tǒng)上，也可以和Nagios核心安裝在一起。插件根據(jù)要監(jiān)控的資源類(lèi)型分為操作系統(tǒng)、數(shù)據(jù)庫(kù)、Java Application、日志文件等類(lèi)別。插件可以使用任何編程語(yǔ)言編寫(xiě)，不需要專(zhuān)用開(kāi)發(fā)工具。Nagios通過(guò)命令對(duì)象調(diào)用Nagios插件。

Nagios擴(kuò)展的作用是增加核心所沒(méi)有的功能。在Nagios Exchange網(wǎng)站上，有很多擴(kuò)展可免費(fèi)下載和使用。Nagios團(tuán)隊(duì)提供了一部分?jǐn)U展，而大部分?jǐn)U展由Nagios用戶(hù)和其他研究機(jī)構(gòu)貢獻(xiàn)。各種擴(kuò)展按其主要功能分門(mén)別類(lèi)，數(shù)量最多的擴(kuò)展有配置工具、圖形前端和企業(yè)版擴(kuò)展（Nagios XI才能使用的擴(kuò)展）。一般而言，擴(kuò)展常用于遠(yuǎn)程執(zhí)行插件、分布式監(jiān)控、報(bào)表、圖形化展示和整合其他系統(tǒng)（比如和Help Desk 連接）。

核心、插件和各種擴(kuò)展可組成各種用途的監(jiān)控系統(tǒng)。借助一些擴(kuò)展，Nagios還可以和其他監(jiān)控軟件一起使用以結(jié)合各自的功能。

1.Nagios官方集成方案NRPE

NRPE是Nagios Remote Plugin Executor的 縮 寫(xiě)。它由兩個(gè)部分組成，插件check_nrpe和擴(kuò)展NRPE。

Nagios為 核 心，插 件check_nrpe和核心安裝于同一臺(tái)主機(jī)上。擴(kuò)展NRPE和各種檢查插件安裝在被監(jiān)控對(duì)象所在的主機(jī)上。NRPE以后臺(tái)服務(wù)的方式運(yùn)行，并監(jiān)聽(tīng)一個(gè)端口。檢查插件不僅可以監(jiān)控本機(jī)上的各種對(duì)象，還可以監(jiān)控遠(yuǎn)端主機(jī)上的網(wǎng)絡(luò)服務(wù)，比如HTTP和FTP。核心調(diào)用check_nrpe，并向后者傳遞一個(gè)參數(shù)。這個(gè)參數(shù)是一個(gè)名稱(chēng)。通過(guò)SSL加密的鏈路，check_nrpe把調(diào)用指令傳遞到對(duì)應(yīng)主機(jī)上的NRPE。NRPE的配置文件nrpe.cfg是名稱(chēng)－命令行的字典，NRPE根據(jù)名稱(chēng)尋找對(duì)應(yīng)的命令行（就是檢查插件），并執(zhí)行它。最后，NRPE把命令執(zhí)行的返回碼和所有stdout的輸出返回給check_nrpe，check_nrpe 把這個(gè)返回碼作為自己的返回碼再反饋到核心。

這個(gè)集成方案的優(yōu)點(diǎn)是安裝簡(jiǎn)單。在核心主機(jī)上只需要安裝一個(gè)文件check_nrpe，在被監(jiān)控主機(jī)上除了檢查插件，只需要安裝nrpe和nrpe.cfg兩個(gè)文件。

2.可通過(guò)Web配置的集成方案

Check_MK+pnp4nagio此方案的核心Check_MK，它是多個(gè)Nagios擴(kuò)展的集合。Check_MK在核心和被監(jiān)控主機(jī)之間起到中間人的作用。Check_MK有專(zhuān)用 的 agent（代 理），和 一般的常駐系統(tǒng)代理不同，Check_MK代理沒(méi)有進(jìn)程，而是xinetd/inetd管理的一個(gè)子服務(wù)，默認(rèn)監(jiān)聽(tīng)在6556端口。用telnet連接此端口，代理程序會(huì)執(zhí)行一個(gè)shell程序并回顯輸出結(jié)果。Check_MK代理執(zhí)行兩種程序來(lái)獲得被監(jiān)控目標(biāo)的狀態(tài)，官方命名為Check_MK插件和本地檢查（local checks）。本地檢查就是Nagios插件。Check_MK插件與Nagios插件不同之處在于，Check_MK 插件執(zhí)行操作系統(tǒng)命令并把結(jié)果重組為方便分割的格式文本后回顯，忽略返回值。Check_MK獲得文本后建立該主機(jī)的服務(wù)“庫(kù)存”（inventory）。舉例來(lái)說(shuō)，Check_MK插件執(zhí)行df命令獲得所有掛載點(diǎn)的名稱(chēng)和使用率，Check_MK據(jù)此建立兩種庫(kù)存：每個(gè)掛載點(diǎn)存在和各掛載點(diǎn)的使用率。每種庫(kù)存都有對(duì)應(yīng)的inventoryfunction，把文本內(nèi)容轉(zhuǎn)為Nagios服務(wù)對(duì)象，并由Nagios核心執(zhí)行檢查。

第一步：核心發(fā)起一個(gè)對(duì)主機(jī)的存活檢查，被Check_MK“截獲”。

第二步：Check_MK向此主機(jī)上的代理監(jiān)聽(tīng)的TCP端口發(fā)起連接。Agent收到連接后執(zhí)行Check_MK插件和本地檢查程序。Check_MK Agent把所有Check_MK插件和本地檢查輸出到標(biāo)準(zhǔn)輸出的內(nèi)容集合到一起，回寫(xiě)給Check_MK。

第三步：Check_MK收到從Agent返回的文本，進(jìn)行一些處理。首先，根據(jù)特定的標(biāo)志行，把文本拆分為多段建立庫(kù)存。其次，inventory function根據(jù)標(biāo)志行中的標(biāo)簽，把每段中的行分配給對(duì)應(yīng)的服務(wù)對(duì)象。最后，對(duì)于要收集性能數(shù)據(jù)的服務(wù)對(duì)象，再?gòu)男兄刑崛〕鲂阅軘?shù)據(jù)，保存在rrdtools的數(shù)據(jù)庫(kù)中，讓pnp4nagios繪制性能圖表。

第四步：Check_MK分析服務(wù)對(duì)象的當(dāng)前狀態(tài)值。如果有狀態(tài)非OK，以被動(dòng)檢查服務(wù)的方式提交到核心，由核心繼續(xù)執(zhí)行通知過(guò)程。

3.方案比較分析

NRPE方案的相對(duì)優(yōu)勢(shì)是安裝和使用簡(jiǎn)單。所有要安裝的文件只有4個(gè)，而配置只需要增加一個(gè)服務(wù)對(duì)象和在nrpe.cfg中增加一行命令。而Check_MK安裝時(shí)要填寫(xiě)35個(gè)選項(xiàng)，配置文件是Python字典文件，參數(shù)眾多難以記憶。和NRPE方案相比，Check_MK有如下優(yōu)勢(shì)：

（1）更安全。Check_MK不會(huì)向Agent發(fā)送任何可變參數(shù)，不會(huì)被注入惡意命令。

（2）配置更直觀。通過(guò)網(wǎng)頁(yè)配置工具WATO，管理員不用在文本編輯器中自己編寫(xiě)對(duì)象，而只用在網(wǎng)頁(yè)界面上填寫(xiě)必要信息，由WATO自動(dòng)形成配置文件并重新加載。這樣避免出現(xiàn)對(duì)象語(yǔ)法錯(cuò)誤，也簡(jiǎn)化了配置過(guò)程。Check_MK也支持通過(guò)文本編輯器產(chǎn)生的對(duì)象文件。

（3）服務(wù)自動(dòng)發(fā)現(xiàn)。對(duì)于操作系統(tǒng)常見(jiàn)的監(jiān)控服務(wù)，如內(nèi)存使用率、磁盤(pán)空間使用率等，Check_MK能通過(guò)插件自動(dòng)發(fā)現(xiàn)并建立庫(kù)存。根據(jù)庫(kù)存，Check_MK能自動(dòng)建立Nagios對(duì)象文件，這樣就省去了新增主機(jī)后需要自己動(dòng)手編寫(xiě)一堆對(duì)象文件的勞動(dòng)。

（4）占用更少的計(jì)算資源。Nagios每執(zhí)行一次主動(dòng)檢查，要分支出一個(gè)子進(jìn)程。進(jìn)程占用較多的計(jì)算資源。Check_MK只會(huì)執(zhí)行主機(jī)的主動(dòng)檢查，在一次檢查中把主機(jī)上所有的監(jiān)控服務(wù)都檢查一遍。這樣和主機(jī)關(guān)聯(lián)的服務(wù)檢查就全部變?yōu)楸粍?dòng)檢查，不會(huì)產(chǎn)生子進(jìn)程。這樣節(jié)約了執(zhí)行檢查需要的資源，就可以縮短監(jiān)控的檢查間隔。根據(jù)Check_MK網(wǎng)站上的描述，可以10倍地縮短間隔。

（5）監(jiān)控服務(wù)和通知分離。Nagios的 Service對(duì)象只能指定一種通知命令和聯(lián)系人組，無(wú)法實(shí)現(xiàn)諸如“用短信通知應(yīng)用管理員，同時(shí)用郵件通知經(jīng)理”的要求。Check_MK通過(guò)規(guī)則集合實(shí)現(xiàn)了服務(wù)對(duì)象和任意數(shù)量聯(lián)系人對(duì)象的組合，從而能靈活定義通知方式。

綜合比較NRPE方案和Check_MK方案，后者更勝一籌。Check_MK方案更快更安全，并且本身提供了BI、對(duì)NagVis和pnp4nagios的原生支持、網(wǎng)頁(yè)配置工具WATO和靈活的基于規(guī)則的通知方法。尤其是BI，在復(fù)雜業(yè)務(wù)系統(tǒng)中展示和定位問(wèn)題根源非常有用，對(duì)以業(yè)務(wù)為導(dǎo)向的監(jiān)控有很大幫助。

應(yīng)用Nagios

1.主要監(jiān)控需求

我校信息化建設(shè)經(jīng)過(guò)多年發(fā)展，至今形成了以網(wǎng)絡(luò)設(shè)施、服務(wù)器及校園網(wǎng)站和相關(guān)教學(xué)辦公系統(tǒng)為核心的信息化設(shè)施。硬件基礎(chǔ)設(shè)施包括路由器、交換機(jī)、防火墻、磁盤(pán)陣列、PC服務(wù)器和專(zhuān)用定制設(shè)備，操作系統(tǒng)Windows和虛擬化平臺(tái)為主。隨著信息化加深，監(jiān)控目標(biāo)從早期的關(guān)注軟硬件可用性，轉(zhuǎn)變?yōu)殛P(guān)注運(yùn)行健康度。系統(tǒng)健康度的監(jiān)控目標(biāo)分為三個(gè)層次。

（1）故障。盡管當(dāng)前IT環(huán)境普遍使用冗余和高可用機(jī)制，支撐校園信息化系統(tǒng)的軟硬件故障依然要監(jiān)控。

（2）性能瓶頸。用戶(hù)好感會(huì)因?yàn)樾阅芷款i而下降。性能瓶頸可能很明顯，比如數(shù)據(jù)庫(kù)中一個(gè)查詢(xún)語(yǔ)句執(zhí)行過(guò)久；也可能很隱蔽，比如在特定類(lèi)型瀏覽器上打開(kāi)網(wǎng)頁(yè)很慢。

（3）運(yùn)行邏輯正確性。只和我校業(yè)務(wù)有關(guān)而和IT設(shè)施無(wú)關(guān)的業(yè)務(wù)數(shù)據(jù)是否符合約束條件。

2.Nagios選用方案

Check_MK+pnp4nagios方案能勝任實(shí)現(xiàn)我校監(jiān)控需求，未來(lái)將在此方案的基礎(chǔ)上配合其他Nagios擴(kuò)展以實(shí)現(xiàn)監(jiān)控需求。該方案監(jiān)控軟件優(yōu)勢(shì)如下所述。

（1）輕量級(jí)的操作系統(tǒng)監(jiān)控代理。Check_MK的代理安裝文件只有20KB，半分鐘就完成安裝，部署迅速。

（2）靈活的通知機(jī)制。相比沒(méi)有任何通知功能的Netcool Omnibus，Check_MK不僅完全保留了Nagios的通知管理功能，還提供了基于規(guī)則的通知策略，實(shí)現(xiàn)非常靈活的通知機(jī)制。

（3）功能齊全的網(wǎng)頁(yè)配置工具WATO。WATO用Python編寫(xiě)，速度快，而且可修改聯(lián)級(jí)樣式表使網(wǎng)頁(yè)能符合用戶(hù)的審美觀。支持自定義程序監(jiān)控。

（4）關(guān)聯(lián)影響視圖。利用Check_MK的BI，為每個(gè)業(yè)務(wù)系統(tǒng)建立聚合視圖，監(jiān)控內(nèi)容不僅有系統(tǒng)基礎(chǔ)設(shè)施和應(yīng)用健康狀態(tài)，還有系統(tǒng)對(duì)外數(shù)據(jù)出口。

監(jiān)控系統(tǒng)是我校信息化精細(xì)化運(yùn)維管理的重要設(shè)施之一，通過(guò)良好的監(jiān)控設(shè)置，及時(shí)發(fā)現(xiàn)系統(tǒng)狀況，可以降低我校系統(tǒng)運(yùn)行故障率，提升教學(xué)服務(wù)水平。

Nagios開(kāi)源監(jiān)控軟件的運(yùn)用不僅在成本上、效用上符合節(jié)約實(shí)用原則，更重要的是在運(yùn)行效率和功能擴(kuò)展上能夠滿足我校相當(dāng)長(zhǎng)時(shí)間內(nèi)的監(jiān)控需求。