监测与决策

一、生产环境我们都需要监测什么？

1. 资源监测，对系统基础设施的健康度进行监测，包括网络与服务器节点的监测，监测内容包括网络连接与拥堵状态、CPU 负载和内存及外部存储空间的使用状况等。
2. 应用监测，对应用程序的运行健康度进行监测，例如，应用程序进程是否存在，是否能正常提供对外服务，是否有功能映陷，是否能正常连接数据库，是否有超时现象，是否有服务抛出的异常和告警，是否可以及时扩容以应对突增的大量请求等。
3. 业务监测，是对业务指标健康度的监测。例如，对电商网站来说，应当包括但不限于实时的用户访问量、具体页面的浏览数、转化率、订单量和交易额等。

二、数据监测流程是什么样的？

1. 采集上报：将事先定义的事件数据在当地采集并上报。
2. 数据整理：对各数据源上报后的数据进行收集、清洗和整理。
3. 实时分析：对实时数据进行分析处理。
4. 离线分析：通过大量数据进行模型或规则提取。
5. 结果输出：将实时和离线分析的结果展现，供决策参考。
6. 问题决策：根据上一步的输出，人为或自动给出下一步的行动判定，同时将判定记录保存下来，以便为后续决策提供依据。
7. 数据存储：离线的原始数据、分析数据以及处理记录的保存。
8. 自动修复与运维执行体系的接口，它需要将修复指令发送给运维执行体系，由执行体系将指令分发到对应节点，并进行相应的操作。

三、数据格式都包含哪些信息？

通常包含这两类信息：基础信息和扩展信息。

基础信息 需要描述最基础的应用背景信息，包括 4 个 W：

1. Who （哪一个用户或服务）
2. When （什么时间）
3. Where （什么地点）
4. What （做了什么）

扩展信息 是为了数据更好的扩展性，以应对不同业务的监测统计需求，通常会由各业务团队自行定义、解析和使用。

四、如何衡量监测数据体系的能力？

可以从 3 个维度来衡量：

1. 正确性，即收集到的数据与事实的一致性。
2. 全面性，即收集到的数据信息是否足以支持团队做出决策。
3. 及时性，即数据的发生到能够支持决策所需要的处理时间足够短。

了解更多：https://t.zsxq.com/08AGFfCK3