上一篇《100行代码，搞定http监控框架》介绍了通用 可扩展的http监控平台的架构：
- 监控平台层：调度监控项，通过后台管理监控项
- 信息管理层：通过服务和后台维护集群，告警接收人，告警策略等信息
- 告警发送层：通过接口发送邮件，短信，微信等消息
创业型公司，如果没有上述完善的基础设施，可以简化为一个通用 可扩展的http监控框架：
- 调度器：100行的伪代码，简述了调度器的原理
- 可扩展配置：通过配置文件来维护监控项、集群、告警人信息，同时保持扩展性
不少同学留言问，这个框架日志监控覆盖不了，RPC接口监控覆盖不了，xxoo监控覆盖不了。额，都说了是http监控了，其他类型的监控，听楼主娓娓道来。
今天，要聊的是日志监控。
一、什么是日志监控
关于日志，不同公司，情况不同：
- A类公司：没有日志
- B类公司：有日志，只有用户说系统挂了，或者有bug的时候，才会登录到系统看看日志，大部分日志打印得对心所欲，缺乏组织性和系统性
画外音：额，很多时候，追查bug发现日志信息不全，要先上线一个有日志的版本，以帮助定位bug，你遇到过么？
- C类公司：有日志，有日志规范，系统性的组织和收集了日志
对日志进行监控，先于用户发现系统的故障，实时告警，就是今天要讨论的日志监控问题。
二、日志监控需求分析
对于日志的监控，一般有这么几类需求：
- 某种级别的日志（例如FATAL级别，或者ERROR级别的日志）一旦出现，或者超过一定频率，就告警
- 包含某些特殊含义关键字（例如OutOfMemory，或者Exception）的异常日志，一旦出现，或者超过一定频率，就告警
- 包含某些特殊含义关键字（例如Login，或者Click）的正常日志，一旦一定时间周期没有出现，就告警
其中，前两类需求，属于异常日志监控范畴，出现异常，实施告警。
第三类需求，属于正常日志监控范畴，一定的时间没有出现“正常”，就默认异常，实施告警。
为什么不是一出现异常日志就告警呢？
避免抖动引起的误报，一般到达一定频率才会告警，这属于告警策略的一部分。
画外音：关于人性化的告警策略，详见《分级告警策略，人性化系统监控？》。
三、目录与日志的规范化
这是一个线上模块的目录示例：
- 有源代码：hello.c
- 有可执行文件：a.out
- 有配置文件：hello.conf
- 有备份日志：hello.log.2018012812
- 有日志：hello.log
- 有临时文件：tmp
体会一下，运维同学看到这样的线上文件部署，是什么感受？
画外音：没见过源代码直接部署到线上的？
三点一、目录规范
目录规范化不但对日志监控，对自动化运维都极为重要，要是线上目录都瞎搞，几乎没有办法实现自动化运维。
常见的目录规范有两类：模块优先类目录规范，功能优先类目录规范。
什么是模块优先的目录规范？
如上图，以模块名为优先组织目录：
- 根目录下，有das，entry，logic三个模块目录
- 在模块目录下，又分别有存放可执行文件，配置文件，日志文件的bin目录，conf目录，以及log目录
什么是功能优先的目录规范？
如上图，以功能为优先组织目录：
- 根目录下，二进制目录bin，配置文件目录conf，日志目录log
- 功能目录下，有das，entry，logic等不同模块的目录
楼主旗帜鲜明的推荐第二种，功能优先的目录规范，对二进制备份，配置备份，日志清理都非常方便。
三点二、日志规范
日志规范化不但对日志监控，对大数据体系建设都极为重要，需要考虑规范：
- 日志分级规范：不同级别的日志理应打到不同的文件中，例如FATAL级，ERROR级，WARM级，LOG级，INFO级，DEBUG级
fatal.log
error.log
info.log
debug.log
…
- 日志切分规范：运维应该提供自动化的日志切分工具，支持小时级别，或者天级别的日志切分，曾经看过一个120G的access日志，从日志中grep出某个uid的日志，是极其低效的
daojia.log.2018012800
daojia.log.2018012801
…
daojia.log.2018012823
- 日志格式规范：日志格式规范是一个可展开的话题，必要性很强，挖个坑下回细说
画外音：是不是有小伙伴在思考，ca，自己怎么没有这三类规范呢？
四、通用可扩展日志监控平台/框架思路
制订了目录规范，日志规范之后，要建立日志监控平台/框架，实施异常与正常的日志监控，就简单多了，主要有集中式监控，分散式监控两类思路。
四点一、集中式
集中式的日志监控，最流行的莫过于ELK：
- 各个机器节点上部署logstash，收集日志
- 收集的日志汇总到ES
- 通过Kibana做统一分析和展现
运维的同学对这一套集中式日志监控系统非常熟悉。
四点二、分散式
ELK有点重，三套系统搭建与运维起来比较麻烦，如果只是为了实现ERROR日志的监控，异常关键字监控，正常关键字监控，有点杀鸡用牛刀了。
与集中式的日志监控相比，分散式的日志监控，就显得轻量级许多，非常适用与早期的创业型公司，其思路为：
- 通过日志监控后台，对不同集群，进行ERROR日志阈值设置，进行异常关键字设置，正常关键字设置
- 日志监控中心，进行统一调度，将配置分发到不同机器的agent节点上
- agent节点，并不统一收集日志，而是接收到监控中心分发的log监控配置，在各个机器上实施日志监控，如果触发日志监控策略，立刻发起告警
与ELK相比，这个日志平台会简单的多，而且扩展性非常好。
额，创业型公司没有时间和人员研发agent，没有资源研发日志监控中心服务，没有人力研发日志监控后台，还有没有更简洁但可扩展的方案呢？
和《100行代码，搞定http监控框架》的思路一样，没有服务，没有后台，没有agent，初期完全可以用配置文件来替代。
五、100行搞定日志监控平台
整个框架设计如上，大致分为三个部分：
- 被监控集群
- 基础信息与服务
cluster.info.xml：存储集群信息
owner.info.xml：存储集群责任人信息
mail.service/SM.service：发邮件，发短信的基础服务
- 日志监控框架
集群信息与负责人信息，与前文描述的一样。
集群配置cluster.info.conf
[daojia_main]
ip.list : ip1, ip2, ip3
log.path : /home/work/log/daojia_main/
owner.list : shenjian, zhangsan
[daojia_user]
ip.list : ip4, ip5, ip6
log.path : /home/work/log/daojia_user/
owner.list : shenjian
责任人配置owner.info.conf
[shenjian]
email : XX@XX.com
phone :15912345678
[zhangsan]
email : YY@YY.com
phone :18611220099
日志监控框架又分为两个模块：
- 可扩展监控配置文件log.monitor.conf
[log.monitor.item]
cluster.name : daojia_main
# error日志监控，每分钟超过此阈值就告警
error.log. threshold : 10
# 异常关键字监控，日志出现这些关键字就告警
bad.key : exeption | timeout | coredump
# 正常关键字监控，日志每分钟不出现这些关键字就告警
good.key : login | user | click
[log.monitor.item]
cluster.name : daojia_user
error.log.threshold : 10
日志监控调度框架，这里需要编码啦，100行的伪代码如下：
代码语言：js复制Array[log-monitor] A1= Parse(log.monitor.config);
Array[cluster-info] A2= Parse(cluster.info.config);
Array[owner-info] A3= Parse(owner.info.config);
// 遍历所有监控项
for(each item in A1){
//取出监控项的集群名，阈值，异常/正常关键词
clusterName= item.clusterName;
threshold= item.threshold;
badKey= item.badkey;
goodKey= item.goodkey;
//由集群名，获取集群信息
clusterInfo= A2[clusterName];
//获取日志目录，集群ip列表，集群负责人列表
logPath= clusterInfo.path;
List<String>ips = clusterInfo.ip;
List<String>owners = clusterinfo.owner;
//集群内的每一个ip实例，都需要日志监控
for(eachip in ips){
//登录到这一台机器
ssh $ip
//跳到相关的目录下
cd $logPath
//查看近一分钟error日志数量
$count= `grep $time error.log | wc -l`
//查看badkey与goodkey
$boolBad= `grep $badkey *`
$boolGood= `grep $goodkey *`
if($count< threshold &&
$boolBad==NO &&
$boolGood==YES){
//正常，继续监控
continue;
}
// 否则，对所有集群负责人发送告警
for(each owner in owners){
// 略…
}
}
}就是一个简单的调度框架，看明白了吗？
六、调研
调研一、对于日志，你的感触是
- ca，啥是日志，什么是grep
- 日志不全，查问题的时候需要加日志再发布系统
- 日志全，但查问题的时候才上去grep一把
- 日志成体系，日志有监控，有后台不需要grep
调研二、对于日志切分，你的感触是
- ca，啥是日志切分，就一个access.log呀
- 额，研发自己切分，没有规范
- 不同团队切分规范不同
- 运维提供工具统一规范切分
调研三、对于日志监控，你的感触是
- ca，啥是日志监控，没有哇
- ELK，集中式
- 日志监控平台，分散式
- 日志监控框架，分散式
调研四：你见过120G的日志文件么？
