2.4.3 监控与告警实践

2.4.3.1 监控实践

在云上落地Windows服务器监控相对于传统的监控落地有着更多的便利性。监控的落地首先是基础指标落地，参考2.1.3.4节中的设置将云上Windows服务器ECS标准化做好，然后就可以根据分组、资源组或标签来进行监控大盘的设置。自定义监控的监控项如图2-25所示。

设置后的监控大盘效果，如图2-26所示。

深度的Windows服务器监控场景除了平台本身的性能指标，建议借助云厂商提供的上报渠道进行二次定制，阿里云提供的上报渠道是云监控的“应用分组”→“自定义监控”→“数据上报”（关于应用分组的设定可以参见2.1.3.3节），如图2-27所示。

图2-25 自定义监控的监控项

图2-26 包含了CPU、网络、负载热点图的监控大盘

图2-27 阿里云提供的监控数据上报界面

为方便读者实现自主监控数据上报，从而满足系统层面更细致的需求。这里可以参考以下脚本运行相关系统监控项目，下面是收集Windows服务器系统内存每秒页错误的脚本（涉及Aliyun Cli命令行插件，可在阿里云官网自行下载安装）：

上报成功显示的内容如图2-28所示。

图2-28 上报成功显示的内容

图2-29所示是上报后通过“自定义监控”界面展示出来的Windows服务器页错误数量（60秒维度）效果。请注意由于上报路径依赖于网络、系统本身性能等因素，这里不建议做秒级监控。

除了通过自定义监控实现相关性能数值型的监控指标上报，对于系统进程类的监控，建议也采用一定的收集方式来进行。在业界内，阿里云实现进程监控的具体路径是“云监控”→“主机监控”→搜索实例ID→切换至“进程监控”，“进程监控”界面如图2-30所示。

图2-29 Windows服务器页错误数量（60秒维度）

图2-30 阿里云“进程监控”界面

总之，Windows服务器的监控实践建议从横、纵向维度来考虑，横向维度建议从性能监控、状态监控等来实践，纵向维度建议从平台监控、系统监控、应用监控等来实践。

2.4.3.2 告警实践

监控的上下文除了上文数据源的设计与规划，还有下文监控发现问题时的通知，称之为告警。在云上Windows服务器的告警如2.4.2节所述，先在选择“监控什么”的问题上谨慎处理，这样确保监控的数据是核心的，不出现泛滥问题。接着根据业务的特点来设定监控告警，告警是需要监控的设计来实现的，“状态监控”对应着事件告警，“指标监控”对应着阈值告警。建议使用阿里云的云监控告警，刚好覆盖了这两种告警的实现，具体路径是“云监控”→“报警服务”。阿里云监控报警服务如图2-31所示。

图2-31 阿里云监控报警服务