摘要：在开源人的盛会LinuxCon + ContainerCon + CloudOpen中国（简称LC3）大会上，阿里云CDN团队的空见（花名），为大家分享了开源的系统和应用采集软件Tsar的背景、设计思路和用法、模块开发以及未来规划。
在开源人的盛会LinuxCon + ContainerCon + CloudOpen中国（简称LC3）大会上，阿里云CDN团队的空见（花名），为大家分享了开源的系统和应用采集软件Tsar的背景、设计思路和用法、模块开发以及未来规划。
实际上它是阿里巴巴在做系统或应用监控时候的一个idea，团队同学在实际的使用过程中比较舒服，软件扩展性、稳定性、易用性也比较好，所以目前在所有机器上都有部署，作为基础监控agent，来提供稳定的数据支持，同时也对外开源。
Tsar的背景
对于线上SA/PE/研发来说，当他开发了一个软件并部署之后，需要关注软件的运行情况，需要到上面来看整个服务器的CPU/内存/网络/IO等基本的指标是否OK，针对这些指标找一些软件的瓶颈和针对性的优化。其实现在市面上类似的软件非常多，所有的软件都有一定的专用性，可能只是采集某一块的东西，每个软件采集的指标不同，这些指标时间的用法是不一致的。所以对于使用的人的要求非常高，需要知道所有的监控软件怎样使用，对于排查线上问题非常不方便。这也是我们最开始的痛点，我们发现所有的数据我们都有，但是怎样去联动和使用起来是不方便的事情。于是，我们就萌生了Tsar的想法。
下图是现在线上有的很多命令的使用，针对于整个Linux站里各个层级都有一些对应的命令，对于运维等使用人员的学习上手成本非常高，不利于我们统一做一些监控。
需求与解法
所以我们最开始的需求就是希望有一个简单易用，基础数据齐全，最好也有应用数据的采集软件。因为刚才列的都是通用指标，但是我们有应用软件，所以我们希望知道应用软件上的一些数据，比如QPS、响应时间。目前的开源软件是无法支持的，需要业务自己写采集工具，做数据收集和监控。
另外我们希望数据之间能做一些数据关联，比如说当前CPU高了，是不是带来了一些其他数据指标的波动，这些指标之间需要对照去看，才能确定问题出在哪。
同时，数据也要能过滤、实时离线查看，并且可以本地长时间保存，也能远程发送，方便在中心做一些数据的分析和挖掘。
有了这些需求，我们的解法是模仿Sar，Sar本身是系统活动报告，实现系统指标的采集，我们基于它做了一些扩展。Tsar除了做系统层面数据采集，还能做应用层面采集，还可以进行模块化，并支持扩展。比如现在采集了十个指标，如果有另外有应用指标和业务数据想去采集，可以很方便的在Tsar里去写个模块来采集。同时也支持简单的报警和发送远端。
设计和用法
Tsar的原理非常简单，主要是用了动态库的特性，我们每一个采集模块里面都会实现一些函数，比如采集函数、分析处理函数，还有注册的时候提供的模块的基本字段，比如模块名、模块包含的字段、字段从哪里采集、采集完之后如何处理和输出，这些函数注册到Tsar的框架里，每一个周期去采集的时候调用这些指令的函数，就可以完成整个数据的采集和输出的过程。
整个模块的注册执行过程如下图：
下图是Tsar功能性大图，最下面是系统计数器和软件接口，具体的每一个模块是参考Sar实现了很多系统指标的采集，另外对于应用软件也提供了LVS、Nginx等比较常见的应用软件模块。
在上面采集过程中，会对模块做一些过滤处理，具体执行每个模块的采集函数，拿到这些数据，按照格式化，框架会把数据做格式化，存到/var/log/tsar.data中。我们采集到所有的原始数据，是以文件的形式存储在上面的，这里有一个跟Sar的区别，Tsar里面的字段是可读的，Sar是无法看到这里面的含义的。
这些数据采集到之后，支持对远端的发送，比如发送到一个网络的接口上，或者发送到MySql、Nagios等。另外，数据的展现分两块，分为实时的展现和历史的展现，实时的展现就需要隔一秒看下指标是什么样子的，历史的展现是对过去的每一分钟数据做一下历史的回放。目前，Tsar支持秒级、分钟级、按天等不同维度的数据展现。
Tsar的用法
Tsar用法是比较简单的，不管哪种模块，都是共享这个用法的。上面最常见的就是check这个指令，就是把系统最近一次的监控指标输出出来。有了这个功能之后，所有的基础软件的采集基本上每分钟都可以调用一个check,拿到最近一分钟的监控数据，把这份数据拿到我们监控平台上，里面去做一些监控配置和中心化处理。这个指令是用的最为频繁的。
-c是一个定时执行的指令，通过这个方式，会把你当前开启的模块所有的采集函数都执行一遍，拿到数据，把数据存到tsar.data的原始文件里去，供以后使用。
-i就是指定一个间隔时间，多少秒或多少分钟。
下图是一些用法的截图，在实时模式下可以指定-l 或者--live，可以现场采集模块数据，实时分析结果，不指定默认是离线方式。时间间隔，-i不指定的话，默认是秒和分钟，实时是每秒采集显示，离线是每分钟显示。也可以指定模块， --mod_name，指定了几个模块，就展示几个指标。通过这种方式，可以把你关注的指标在一屏里显示出来，这样可以看到他们之间的影响和关系，从而找到问题的症结所在。
Tsar也支持多item模块，有的时候一个系统指标是有多个实例的，item概念就在这里体现，可以比较灵活的展示数据。另外，--check是看我们最后一分钟的数据，它会把最后一分钟每个指标和字段在这一行里展示出来，可以很方便的做一些监控处理。
本身Tsar是单机软件，可以给其他系统提供丰富的数据源输入。
网友评论