云計(jì)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(jī)器，開始正式的部署和運(yùn)營。而動輒上百臺的性能強(qiáng)勁的服務(wù)器，為運(yùn)營管理帶來了巨大的挑戰(zhàn)。  如果沒有方便的監(jiān)控報警平臺，對于管理員而言猶如噩夢，每天都將如救火隊(duì)員一樣，飛快地敲擊鍵盤，用原始的Unix命令在多臺機(jī)器中疲于奔命。 如果沒有好的日志管理平臺，對于開發(fā)者Troubleshooting更是一件淚流滿面的事情。 而如果你是運(yùn)維團(tuán)隊(duì)的總負(fù)責(zé)人，簡潔清晰的Report則非常重要。Stakeholder們動不動就可能問起系統(tǒng)的SLA、機(jī)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(dāng)我們管理起公司寄予厚望的云計(jì)算平臺時，當(dāng)我們面對如此多充滿挑戰(zhàn)的實(shí)際問題時，該怎么辦？
概述
我們在搭建趨勢云計(jì)算平臺時，遇到了很多的問題和挑戰(zhàn)。開始搭建時，第一次來了那么多性能強(qiáng)勁的機(jī)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。  出了問題怎么辦，有沒有預(yù)警機(jī)制？ 有沒有可視化的管理界面？ 管理平臺需要自己開發(fā)嗎？開發(fā)難度有多大？ 有沒有開源的管理工具？ 那么多日志分布在各個機(jī)器上，有沒有更有效的方法管理？ 能否生成好的報表？ 機(jī)器宕機(jī)，管理員能否收到短信通知？ 如何做性能調(diào)優(yōu)？ 擴(kuò)容升級時，能否給出依據(jù)？ 
帶著這些問題，我們開始了自己的云計(jì)算平臺管理和運(yùn)營之旅，一路走來，收獲頗豐。現(xiàn)在基本上形成了如圖1所示的一整套云計(jì)算平臺監(jiān)控體系。 
圖1 云計(jì)算平臺監(jiān)控架構(gòu) 
在這個系統(tǒng)中，我們綜合利用了Nagios、Ganglia和Splunk，搭建起云計(jì)算平臺監(jiān)控體系，使其具備錯誤報警、性能調(diào)優(yōu)、問題追蹤和自動生成運(yùn)維報表的功能。有了這套系統(tǒng)，我們終于能夠輕松管理Hadoop/HBase云計(jì)算平臺了。接下來將簡單介紹它們的特點(diǎn)和功能。
Nagios：云計(jì)算平臺的智能報警器
總不能天天盯著機(jī)器看吧，因此我們首先關(guān)心的是機(jī)器的監(jiān)控與報警。最理想的境界是：如果機(jī)器出故障了，我能第一時間處理；如果機(jī)器沒有問題（最好永遠(yuǎn)沒有問題），我能去喝茶、釣魚和睡大覺。
發(fā)現(xiàn)機(jī)器有沒有問題，對我們而言不是什么難事。寫個腳本，Ping一下IP，Telnet每臺機(jī)器的Service端口，如果增加了新機(jī)器就改改配置即可。但這樣也太原始了吧，可視化效果差，不好維護(hù)，沒有層次，不好管理，出不來報表，總不能老是用Excel人工寫報表吧。有沒有更好的方法呢？
有，你可以用Nagios。
Nagios是一個可運(yùn)行在Linux/Unix平臺之上的開源監(jiān)視系統(tǒng)，可以用來監(jiān)視系統(tǒng)運(yùn)行狀態(tài)和網(wǎng)絡(luò)信息。Nagios可以監(jiān)視所指定的本地或遠(yuǎn)程主機(jī)以及服務(wù)，同時提供異常通知功能。
Nagios可以提供以下幾種監(jiān)控功能。  監(jiān)控網(wǎng)絡(luò)服務(wù)（SMTP、POP3、HTTP、NNTP、Ping等）。 監(jiān)控主機(jī)資源（處理器負(fù)荷、磁盤利用率等）。 簡單的插件設(shè)計(jì)使得用戶可以方便地擴(kuò)展自己服務(wù)的檢測方法。 并行服務(wù)檢查機(jī)制。 具備定義網(wǎng)絡(luò)分層結(jié)構(gòu)的能力，并使用“parent”主機(jī)定義來表達(dá)網(wǎng)絡(luò)主機(jī)間的關(guān)系，這種關(guān)系可被用來發(fā)現(xiàn)和明晰主機(jī)宕機(jī)或不可達(dá)狀態(tài)。 當(dāng)服務(wù)或主機(jī)問題產(chǎn)生與解決時將告警發(fā)送給聯(lián)系人（通過電子郵件、短信、用戶定義方式）。 具備定義事件處理功能，可以在主機(jī)或服務(wù)的事件發(fā)生時獲取更多問題定位。 自動的日志回滾。 可以支持并實(shí)現(xiàn)對主機(jī)的冗余監(jiān)控。 可選的Web界面用于查看當(dāng)前的網(wǎng)絡(luò)狀態(tài)、通知和故障歷史、日志文件等。 
Nagios最好用的地方就是它將這些每天管理員做的工作自動化，你只需設(shè)定好要監(jiān)聽的端口即可，它會默默地工作，幫忙定時地去檢測服務(wù)端口的狀態(tài)，一旦發(fā)現(xiàn)問題，會及時發(fā)出報警。報警可以是電子郵件也可以是手機(jī)，從而使得管理員第一時間就能收到系統(tǒng)的狀況。
Nagios的報表功能也很強(qiáng)大。管理員可以很