关于监控我们有很大的兴趣，但是大部分人低于监控的技术是并不清楚地。今天我们就开讲讲关于监控的3大技术特点。传统的监控很多还是在停留在设备、网络、系统相关的监控上，重视数据的采集，但是在数据算法和Role上比较传统。对监控系统简化抽象下，传统监控可以大致分为三个过程：数据采集、数据存储、响应处理。OWL监控在传统监控基础上，增加了Algorithm模块，支持复杂的算法规则报警，如下图所示：

1. 监控数据采集

    Data Collection 就是数据采集，这里指的数据不光是基础硬件的指标，也可以是业务指标。下面介绍两个实例。

****个例子是主机硬盘状态的采集：

    下面的数据采集中****列是硬盘设备标号，第二列是硬盘的状态，在监控的这个层面，一切都是metric，不同的层级可以抽象到不同的metric，结合 metric timestamp tagk1 tagv1… tagkN tagvN，这样针对相同的metric去加tag，用来标示数据，方便后期的查询。

2. 监控数据存储

    监控数据的存储也是一个很有意思的话题，监控数据在数据结构上是很有特色的。仔细观察发现监控数据基本上都是和时间维度相关的，以metric ＋timestamp的组合形式的数据占了所有监控数据量的大部分，相比而言，多维度的监控数据比较少；如果出现了多维度的监控数据，也可以通过其他的方式绕开处理。RDBMS 由于要考虑数据的关联，所以它在整体数据存储设计上充分考虑了数据的完整性和关系型，同时在 schema设计上还要遵守数据库的几大范式。传统的监控大多数还是使用了RDBMS，但是这造成了性能上和扩展性上的局限性。针对监控数据这样简单的数 据结构，却采用了一套复杂的存储格式。随着近些年各种各样的垂直的。

    技术领域对数据的存储不同要求的演变，如Graph database，Time Series Databases等数据库得到了不断发展；监控数据在存储上有了更多的选择，InfluxDB，OpenTSDB，KairosDB都是不错的选择，** 后我们选择了OpenTSDB，这主要是因为TalkingData的大数据基因，Hadoop和HBase在我们的业务系统中大规模使用。从现有的数据 体量上，OpenTSDB能够满足现在的业务要求。简单的总结了一下OpenTSDB的优点：

1. 使用HBase存储，不存在单点故障。
2. 使用HBase存储，存储空间几乎无限。支持****存储，可以做容量规划。
3. 易于定制图形
4. 能扩展采集数据点到100亿级。
5. 能扩展metrics数量到K级别（比如CPU的使用情况，可以算作一个metric，即metric就是1个监控项）
6. 支持秒级别的数据。

    此外，OpenTSDB支持API查询，可以轻松地和其他系统进行数据对接，也方便其他系统抽取监控相关的数据。 并且，查询方式灵活：查询数据可以使用query接口，它既可以使用get的query string方式，也可以使用post方式以JSON格式指定查询条件。

3. 监控的报警算法

    Algorithm这块是传统监控系统所欠缺的，基本上都是单个指标的大于，小于这样的算法，但是遇到集群或者复杂的指标，就需要自己去增加一些算法，比如多个指标的加和，平均值，top10，历史相似度等。这些算法的引入，可以增加报警的准确度，有效的减少报警数量，让报警变得人性化。 关于报警的算法会在本系列的后续文章进行详细介绍。

自研监控系统一览

    简单的介绍一下OWL的整体架构，下面目前的架构是第四个大版本。在研发的过程中，我们也尝试了很多的开源技术，如RRDtools、Graphlite，也踩了很多的技术坑，**后我们整体选择了OpenTSDB，在这个技术栈下面演进了两个版本：

成都监控电视墙报道：