前端时间跟同事了一块扯了扯关于zabbix的二次开发，集成cmdb资产的zabbix和sql语句性能优化！

关于报警信息的收敛过滤合并，文章原文是  http://xiaorui.cc/?p=1861

好了，咱们开始吧 ~

为什么要做告警平台？ 到底是为什么？ zabbx自己不就能发邮件么，干嘛需要报警平台支持呢　？

第一，统一全部报警接口，抽象语音，短信，邮件，微信报警…

第二，zabbix mail发送性能问题

第三，报警分析及复杂功能扩展 (报警联合，聚合，去重)

公司zabbix所监控的机器早就过万了，如果加上openstack里的主机那么就要破2万了，对于他们的报警触发，这边是调用smtplib通过exchange的smtp服务来发邮件，经常遇到3-5s之后才发件成功的情况，试想下zabbix发件那么多，又那么频繁，他的系统资源消耗是很多的。

    其实有朋友说了，可以用postfix做扩展mta，这东西在***的时候，和公司的邮件大神交流过，得到的结果是，用postfix做第三扩展mta快是快了，但是增加了自己运维的成本，说白了就是没事找事，找si。 然后你给postfix是快了，但是呢，postfix里面的邮件还是会扔给exchange处理的。 所以这也不是我想要的。

zabbix进行报警告警的方式有那么几种，最常用的其实还是脚本的模式，其实我想要的是http的模式，看了下官方的文档，没有提供这个功能。

看了一段时间的zabbix发信的代码，一头雾水，其实我的想法很简单，不许要zabbix调用脚本，而是通过zabbix的底层代码直接发送http信息。毕竟调用脚本程序，然后在发送http，他的进程消耗肯定不小。  这个路子不通，倒是还有一条路子，那就是遍历下数据库的alerts的信息，然后搞出来发出去。 他的扩展行更好，能组合查询出更有效的信息组合。

mysql> desc alerts;
+-------------+---------------------+------+-----+---------+-------+
| Field       | Type                | Null | Key | Default | Extra |
+-------------+---------------------+------+-----+---------+-------+
| alertid     | bigint(20) unsigned | NO   | PRI | NULL    |       |
| actionid    | bigint(20) unsigned | NO   | MUL | NULL    |       |
| eventid     | bigint(20) unsigned | NO   | MUL | NULL    |       |
| userid      | bigint(20) unsigned | YES  | MUL | NULL    |       |
| clock       | int(11)             | NO   | MUL | 0       |       |
| mediatypeid | bigint(20) unsigned | YES  | MUL | NULL    |       |
| sendto      | varchar(100)        | NO   |     |         |       |
| subject     | varchar(255)        | NO   |     |         |       |
| message     | text                | NO   |     | NULL    |       |
| status      | int(11)             | NO   | MUL | 0       |       |
| retries     | int(11)             | NO   |     | 0       |       |
| error       | varchar(128)        | NO   |     |         |       |
| nextcheck   | int(11)             | NO   |     | 0       |       |
| esc_step    | int(11)             | NO   |     | 0       |       |
| alerttype   | int(11)             | NO   |     | 0       |       |
+-------------+---------------------+------+-----+---------+-------+

把上面的话总结下，一句话，解决zabbix发信的负载问题。

欧了，那咱们就先把这些给理清楚，咱们让速度给提上来，最少不给zabbix一些额外的压力。

原文：http://rfyiamcool.blog.51cto.com/1030776/1408796

软件框架：

接口：

   nginx lua/nginx tornado

队列：

   redis

mq:

   zeromq

数据库：

   mongodb (文档型数据库，最适合做这个干练的事情)

后端daemon:

   python gevent smtplib requests

报警的来源：

  zabbix，nagios，各种形式的报警来源

这里先描述下，运转的一个例子，比较简单的流程：

1. 用户发信息

curl -d “sendmode=mail&sendto=ruifengyun@xiaorui.cc&sendtitle=服务器死掉了&sendcontent=1.1.1.1” http://xiaorui.cc/recpost

2. 我这边收到信息并插入到redis后，会立马给他return一个状态。

3. 后端起一个daemon专门处理队列，并通过zeromq来分发任务，里面用了0mq的rep/req 和pull push这两个方案。

4.  当本地节点或者是分布式的节点收到msgpack的信息后，会解析要发送的信息，发送，并返回状态。

5.  zeromq master端收到状态后，入库。

报警平台难道只有这些么？　　当然不，其实报警平台最主要的核心是智能的分析和报警收敛，告警关联。

有很多重复性和有规律的邮件，短信，咱们可以统一发件，而不是每次都发。 因为收件人时常会懒得看邮件，因为太多了，烦了。那咱们有必要做一次统计方案。报警收敛，主要是体现在信息的整合，比如nginx1、nginx2、nginx3…  都开始狂爆502的网关错误，如果对方的接口加了支持调优的参数，我这边会延迟报警，然后把信息整合后再发送。例子是这样的，以后结果就是，每个人收到的短信和邮件都是精华。  

原文：http://rfyiamcool.blog.51cto.com/1030776/1408796

       再说下告警的关联，比如mongod数据大的时候很吃内存，引起了两个报警触发，一个是mongodb内存大了，还有一个是系统的内存比率大了。这个时候，可以做一些判断。 当然这些规则需要后期整理写入的。　我在后端的逻辑里面预留了这段代码的嵌入，以后可以做成一条条的匹配。

      当然报警的智能收敛不是这么好搞的，毕竟他延迟了告警做相关的匹配。但个人认为利还是大于弊端的。

平台后期可以做大量的数据统计。

   因为每次告警都是通过该平台接口来发邮件和发短信，我这边根据库里面的信息，做出那个哪台服务器，哪个业务，哪个时间段，哪种报警类型等等的统计。根据这些可以做定期的报表。

下面是我这十几天做的项目demo，现在已经接入了zabbix的接口，等再测试一段时间后，就替换zabbix报警接口 ~

运维平台可以很好的兼容手机端浏览器的样式，可以很好的在手机端舒展 ！

通过二维码可直接访问。

这里是给开发和运维人员提供的报警的接口文档，提供了多个接口形式，字段除了必须那三个字段外，其余的可随意定义。

这是发送邮件的历史信息查看，可以通过各种选项配合正则来查询各种信息。

这里是可以清空队列和选择性的***队列信息。

这是短信的历史记录接口，方便的各种查询。

这是大屏幕监控，现在做的有点粗糙，对于各种报警的级别还没有做细化，这报警平台页面后期可放在公司墙上的大屏幕，实时查看各种动向，对于重要的业务，会有声音的提醒。简单点的有 叮叮的声音，如果你的声音够磁性，可自己录音。 比如，xxx的nginx挂了，你妹的赶紧处理呀。

邮件的样式模板:

一个简单的调试页面：

数据的分析以后造成这个样子，这是我以前做的一个报警分析的东西 ~

挂在公司的电视上，做大屏幕 ！

这样咱们一抬头就很方便看到zabbix报警信息~

还没有写完，待续~~~条件过滤的实现，可以方便的定义，你要过滤的条件，比如相同的报警内容不能在30秒内重复发，包括内容的正则的匹配！

好了，就这样吧.      上线之后，确实为zabbix解决了部分的压力，但zabbix的大头压力还是在于mysql上，或许后续会在zabbix上加cache层。