Open-falcon原理介绍

open-falcon是小米开源的监控工具。open-falcon有三种安装方式，一种是单机安装（分后端和前端安装，建议各一台服务器）、一种是Docker安装、最后一种是在多台机器上分布式安装。

创新互联专注于永康网站建设服务及定制，我们拥有丰富的企业做网站经验。 热诚为您提供永康营销型网站建设，永康网站制作、永康网页设计、永康网站官网定制、成都小程序开发服务，打造永康网络公司原创品牌,更为您提供永康网站排名全网营销落地服务。

重点：本案介绍第一种，单机安装（其实是分两台服务器，一台安装后端服务、一台是安装前端服务）。

分布式安装也很简单，就是把open-falcon二进制包git下来，每台服务器只留需要的模块文件夹和open-falcon执行脚本，然后更改模块文件夹下配置文件，最后启动即可。生成环境环境一般建议分布式部署，参考链接：https://book.open-falcon.org/zh_0_2/distributed_install/

open-falcon监控一般是用各种插件。

架构图：

open-falcon官网架构图

互联网上图

组件描述表：

工作原理：

Falcon-agent（客户端）：

每台服务器，都有安装falcon-agent，falcon-agent是一个golang开发的daemon程序，用于自发现的采集单机的各种数据和指标，这些指标包括不限于以下几个方面，共计200多项指标。

    CPU相关

    磁盘相关

    IO

    Load

    内存相关

    网络相关

    端口存活、进程存活

    ntp offset（插件）

    某个进程资源消耗（插件）

    netstat、ss 等相关统计项采集

    机器内核配置参数

只要安装了falcon-agent的机器，就会自动开始采集各项指标，主动上报，不需要用户在server做任何配置（这和zabbix有很大的不同），这样做的好处，就是用户维护方便，覆盖率高。当然这样做也会server端造成较大的压力，不过open-falcon的服务端组件单机性能足够高，同时都可以水平扩展，所以自动多采集足够多的数据，反而是一件好事情，对于SRE和DEV来讲，事后追查问题，不再是难题。

另外，falcon-agent提供了一个proxy-gateway，用户可以方便的通过http接口，push数据到本机的gateway，gateway会帮忙高效率的转发到server端。

falcon-agent，可以在我们的github上找到 : https://github.com/open-falcon/falcon-plus

Transfer（传输者）：

falcon-agent将数据上报给transfer，它们之间建立的长链接。

transfer，接收客户端发送的数据，做一些数据规整，检查之后，转发到多个后端系统去处理。在转发到每个后端业务系统的时候，transfer会根据一致性hash算法，进行数据分片，来达到后端业务系统的水平扩展。

transfer 提供jsonRpc接口和telnet接口两种方式，transfer自身是无状态的，挂掉一台或者多台不会有任何影响，同时transfer性能很高，每分钟可以转发超过500万条数据。

transfer目前支持的业务后端，有三种，judge、graph、opentsdb。judge是我们开发的高性能告警判定组件，graph是我们开发的高性能数据存储、归档、查询组件，opentsdb是开源的时间序列数据存储服务。可以通过transfer的配置文件来开启。

transfer的数据来源，一般有三种：

    falcon-agent采集的基础监控数据

    falcon-agent执行用户自定义的插件返回的数据

    client library：线上的业务系统，都嵌入使用了统一的perfcounter.jar，对于业务系统中每个RPC接口的qps、latency都会主动采集并上报

说明：上面这三种数据，都会先发送给本机的proxy-gateway，再由gateway转发给transfer。

Judge集群（告警判断）：

falcon-agent将数据上报给transfer后，transfer转发给Judge集群，使用一致性hash做数据分片。一个实例只处理一部分数据。

Graph集群（数据存储、规定、查询接口）：

falcon-agent将数据上报给transfer后，transfer转发给Graph集群，使用一致性hash做数据分片。一个实例只处理一部分数据。rrdtool的数据归档方式存储，同时提供RPC接口。

Alarm（告警）：

Judge判断后，放到redis队列。alarm从redis队列读取报警事件做处理，该发短信发短信、该发邮件发邮件，该回调接口就回调。告警合并也在alarm里面做的，专门发送报警的sender模块，告警合并依赖的links模块。

Query：

因为Graph做过分片处理，query要采用和transfer一致的一致性hash数据分片。对外提供一个http接口。query是go写的后端模块。

Dashborad：

在dashborad里面查询监控数据，是python做的web。

Portal：

portal是python做的web，配置监控策略，然后写入数据库。

Heartbeat server：

心跳服务器，falcon-agent每分钟都会发送心跳给heartbeat server，上报自己的版本、hostname、ip等。从heartbeat拉取要执行的插件和特殊采集项等。这些信息需要heartbeat访问 Portal的数据库要获取。Judge要做告警判断，需要先从portal数据库中读取报警策略，但是Judge实例比较多，都去读取数据库会造成很大压力，所以可以让heartbeat成为db cache缓存，heartbeat从数据库中读取数据缓存到内存，Judge调用heartbeat的rpc接口，获取报警策略。

数据存储：

对于监控系统来讲，历史数据的存储和高效率查询，永远是个很难的问题！

    数据量大：目前我们的监控系统，每个周期，大概有2000万次数据上报（上报周期为1分钟和5分钟两种，各占50%），一天24小时里，从来不会有业务低峰，不管是白天和黑夜，每个周期，总会有那么多的数据要更新。

    写操作多：一般的业务系统，通常都是读多写少，可以方便的使用各种缓存技术，再者各类数据库，对于查询操作的处理效率远远高于写操作。而监控系统恰恰相反，写操作远远高于读。每个周期几千万次的更新操作，对于常用数据库（MySQL、postgresql、MongoDB）都是无法完成的。

    高效率的查：我们说监控系统读操作少，是说相对写入来讲。监控系统本身对于读的要求很高，用户经常会有查询上百个meitric，在过去一天、一周、一月、一年的数据。如何在1秒内返回给用户并绘图，这是一个不小的挑战。

open-falcon在这块，投入了较大的精力。我们把数据按照用途分成两类，一类是用来绘图的，一类是用户做数据挖掘的。

对于绘图的数据来讲，查询要快是关键，同时不能丢失信息量。对于用户要查询100个metric，在过去一年里的数据时，数据量本身就在那里了，很难1秒之类能返回，另外就算返回了，前端也无法渲染这么多的数据，还得采样，造成很多无谓的消耗和浪费。我们参考rrdtool的理念，在数据每次存入的时候，会自动进行采样、归档。我们的归档策略如下，历史数据保存5年。同时为了不丢失信息量，数据归档的时候，会按照平均值采样、最大值采样、最小值采样存三份。

// 1分钟一个点存 12小时
c.RRA("AVERAGE", 0.5, 1, 720)

// 5m一个点存2d
c.RRA("AVERAGE", 0.5, 5, 576)
c.RRA("MAX", 0.5, 5, 576)
c.RRA("MIN", 0.5, 5, 576)

// 20m一个点存7d
c.RRA("AVERAGE", 0.5, 20, 504)
c.RRA("MAX", 0.5, 20, 504)
c.RRA("MIN", 0.5, 20, 504)

// 3小时一个点存3个月
c.RRA("AVERAGE", 0.5, 180, 766)
c.RRA("MAX", 0.5, 180, 766)
c.RRA("MIN", 0.5, 180, 766)

// 1天一个点存1year
c.RRA("AVERAGE", 0.5, 720, 730)
c.RRA("MAX", 0.5, 720, 730)
c.RRA("MIN", 0.5, 720, 730)

对于原始数据，transfer会打一份到hbase，也可以直接使用opentsdb，transfer支持往opentsdb写入数据。