本發(fā)明屬于云計算技術領域；具體涉及一種高可用的云監(jiān)控系統(tǒng)及監(jiān)控方法。
背景技術：
云資源監(jiān)控系統(tǒng)是保證云平臺正常運轉的關鍵，旨在收集資源負載信息，是作業(yè)調度、負載均衡、事件預測、故障檢測及恢復等的前提。
對云平臺上動態(tài)、復雜的虛擬資源進行實時、有效的監(jiān)控和管理是保證云平臺可用性的關鍵。
現(xiàn)有云監(jiān)控系統(tǒng)中，為實時反映云平臺中的資源負載情況，監(jiān)控組件需要大量收集資源負載信息，監(jiān)控組件與被監(jiān)控資源間存在頻繁的數(shù)據(jù)傳輸，造成較大的通信開銷，容易導致網(wǎng)絡擁堵，很難做到監(jiān)控信息的實時同步和監(jiān)控系統(tǒng)的穩(wěn)定可靠，并對云平臺的運轉造成干擾，影響云平臺的正常使用，降低服務質量。此為現(xiàn)有技術的不足之處。
因此，針對現(xiàn)有技術中的上述缺陷，提供設計一種高可用的云監(jiān)控系統(tǒng)及監(jiān)控方法；以解決上述技術問題，是非常有必要的。
技術實現(xiàn)要素：
本發(fā)明的目的在于，針對上述現(xiàn)有技術存在的缺陷，提供設計一種高可用的云監(jiān)控系統(tǒng)及監(jiān)控方法，以解決上述技術問題。
為實現(xiàn)上述目的，本發(fā)明給出以下技術方案：
一種高可用的云監(jiān)控系統(tǒng)，它包括設置于各個待檢測節(jié)點的agent模塊；其特征在于，各agent模塊將采集到的待檢測節(jié)點的狀態(tài)信息發(fā)送到agentCluster節(jié)點，agentCluster節(jié)點將采集到的數(shù)據(jù)發(fā)送至SERVER服務端；
所述的待檢測節(jié)點包括物理主機和虛擬機。
優(yōu)選地，各agent模塊之間定期相互發(fā)送心跳信息。
本發(fā)明還給出一種高可用的云監(jiān)控方法，包括以下步驟：
步驟1)：在待監(jiān)控主機中設置智能agent模塊，并通過Server服務端以文件的形式將監(jiān)控任務發(fā)送到待監(jiān)控主機中；待監(jiān)控主機包括物理主機以及虛擬機；
步驟2)：將監(jiān)控腳本(BAT或是SHELL形式)通過Server服務端傳送到待監(jiān)控物理主機以及虛擬機中；腳本傳輸完結束后向agent模塊傳送監(jiān)控命令，agent模塊收到命令后運行對應的腳本文件，采集監(jiān)控數(shù)據(jù)；
步驟3)：以物理主機中的agent模塊作為agentCluster節(jié)點，虛擬機中的agent作為Cluster群集合的成員；Cluster群集合成員中的各agent模塊之間以固定時間Theartbeating發(fā)送心跳數(shù)據(jù)報文，作為各agent模塊存活的標志；
步驟4)：各agent模塊依據(jù)任務列表讀取任務腳本，發(fā)送采集到的數(shù)據(jù)給agentCluster節(jié)點；初始監(jiān)控周期為default_monitor_time(i)，同時設置監(jiān)控周期變化步長，采樣的時間間隔的調整大小為原子時間atomic_time(i)的整數(shù)倍；
步驟5)：agent分別為不同的監(jiān)控指標建立對應的存儲隊列，并計算數(shù)據(jù)緩沖隊列中的數(shù)據(jù)的偏差情況，其計算使用如下模型：
其中δ表示樣本數(shù)據(jù)的標準差，Xi為采集到的第i個數(shù)據(jù)的狀態(tài)信息；
步驟6)：在步驟5)的基礎上，定義第i個監(jiān)控指標的數(shù)據(jù)偏差的上限為threshold(i)；如果采集到的數(shù)據(jù)的變化趨勢較為平穩(wěn)即δ＜threshold(i)，則增大數(shù)據(jù)監(jiān)控采樣周期，如果監(jiān)控采集到的數(shù)據(jù)的變化趨勢較大，即δ＞＝threshold(i)，則縮小數(shù)據(jù)監(jiān)控采樣周期的大??；
步驟7)：agentCluster節(jié)點接收到數(shù)據(jù)之后，將監(jiān)控數(shù)據(jù)通過消息隊列發(fā)送給監(jiān)控平臺的Server服務端。
作為優(yōu)選，所述步驟1)中，監(jiān)控任務包括監(jiān)控指標(cpu，內存，存儲等)以及監(jiān)控腳本的存放路徑。
作為優(yōu)選，所述步驟3)中還包括以下步驟：
當agent超過時間Theartbeating，沒有發(fā)送心跳數(shù)據(jù)，則認為該agent已關閉；agentCluster節(jié)點負責定時報告成員agent的運行狀態(tài)；當cluster群集合成員發(fā)現(xiàn)agentCluster關閉，則啟動分布式選舉算法Paxos，重新選擇agentCluster節(jié)點。
作為優(yōu)選，所述步驟6)中，增大數(shù)據(jù)監(jiān)控采樣周期的計算模型為：
monitor_time(i)＝default_monitor_time(i)①
monitor_time(i)＝monitor_time(i)+atomic_time(i)*f(δ,threshold(i))②
其中公式①表示監(jiān)控指標i的采樣周期的初始化設置；公式②表示監(jiān)控指標i的采樣周期的動態(tài)調整，其中f(δ,threshold(i))表示數(shù)據(jù)偏差值δ與閾值threshold(i)的對應函數(shù)關系；
縮小數(shù)據(jù)監(jiān)控采樣周期的計算模型為：
monitor_time(i)＝max(monitor_time(i)/2,atomic_time(i))。
本發(fā)明的有益效果在于，動態(tài)調整agent采集數(shù)據(jù)的周期，減少監(jiān)控系統(tǒng)冗余數(shù)據(jù)的傳輸，保證云監(jiān)控系統(tǒng)的高效穩(wěn)定。同時節(jié)點定時報告自己的運行狀態(tài)，并通過選舉算法避免了單節(jié)點失效問題的發(fā)生。此外，本發(fā)明設計原理可靠，結構簡單，具有非常廣泛的應用前景。
由此可見，本發(fā)明與現(xiàn)有技術相比，具有突出的實質性特點和顯著地進步，其實施的有益效果也是顯而易見的。
附圖說明
圖1是本發(fā)明提供的一種高可用的云監(jiān)控系統(tǒng)的原理框圖。
其中，1-agent模塊，2-agentCluster，3-虛擬機，4-物理主機，5-Server服務端，6-消息隊列。
具體實施方式
下面結合附圖并通過具體實施例對本發(fā)明進行詳細闡述，以下實施例是對本發(fā)明的解釋，而本發(fā)明并不局限于以下實施方式。
如圖1所示，本發(fā)明提供的一種高可用的云監(jiān)控系統(tǒng)，它包括設置于各個待檢測節(jié)點的agent模塊；其特征在于，各agent模塊將采集到的待檢測節(jié)點的狀態(tài)信息發(fā)送到agentCluster節(jié)點，agentCluster節(jié)點將采集到的數(shù)據(jù)發(fā)送至Server服務端；
所述的待檢測節(jié)點包括物理主機和虛擬機。
本實施例中，各agent模塊之間定期相互發(fā)送心跳信息。
本發(fā)明還給出一種高可用的云監(jiān)控方法，包括以下步驟：
步驟1)：在待監(jiān)控主機中設置智能agent模塊，并通過Server服務端以文件的形式將監(jiān)控任務發(fā)送到待監(jiān)控主機中；待監(jiān)控主機包括物理主機以及虛擬機；
步驟2)：將監(jiān)控腳本(BAT或是SHELL形式)通過Server服務端傳送到待監(jiān)控物理主機以及虛擬機中；腳本傳輸完結束后向agent模塊傳送監(jiān)控命令，agent模塊收到命令后運行對應的腳本文件，采集監(jiān)控數(shù)據(jù)；
步驟3)：以物理主機中的agent模塊作為agentCluster節(jié)點，虛擬機中的agent作為Cluster群集合的成員；Cluster群集合成員中的各agent模塊之間以固定時間Theartbeating發(fā)送心跳數(shù)據(jù)報文，作為各agent模塊存活的標志；
步驟4)：各agent模塊依據(jù)任務列表讀取任務腳本，發(fā)送采集到的數(shù)據(jù)給agentCluster節(jié)點；初始監(jiān)控周期為default_monitor_time(i)，同時設置監(jiān)控周期變化步長，采樣的時間間隔的調整大小為原子時間atomic_time(i)的整數(shù)倍；
步驟5)：agent分別為不同的監(jiān)控指標建立對應的存儲隊列，并計算數(shù)據(jù)緩沖隊列中的數(shù)據(jù)的偏差情況，其計算使用如下模型：
其中δ表示樣本數(shù)據(jù)的標準差，Xi為采集到的第i個數(shù)據(jù)的狀態(tài)信息；
步驟6)：在步驟5)的基礎上，定義第i個監(jiān)控指標的數(shù)據(jù)偏差的上限為threshold(i)；如果采集到的數(shù)據(jù)的變化趨勢較為平穩(wěn)即δ＜threshold(i)，則增大數(shù)據(jù)監(jiān)控采樣周期，如果監(jiān)控采集到的數(shù)據(jù)的變化趨勢較大，即δ＞＝threshold(i)，則縮小數(shù)據(jù)監(jiān)控采樣周期的大?。?/p>
步驟7)：agentCluster節(jié)點接收到數(shù)據(jù)之后，將監(jiān)控數(shù)據(jù)通過消息隊列發(fā)送給監(jiān)控平臺的SERVER服務端。
本實施例中，所述步驟1)中，監(jiān)控任務包括監(jiān)控指標(cpu，內存，存儲等)以及監(jiān)控腳本的存放路徑。
所述步驟3)中還包括以下步驟：
當agent超過時間Theartbeating，沒有發(fā)送心跳數(shù)據(jù)，則認為該agent已關閉；agentCluster節(jié)點負責定時報告成員agent的運行狀態(tài)；當cluster群集合成員發(fā)現(xiàn)agentCluster關閉，則啟動分布式選舉算法Paxos，重新選擇agentCluster節(jié)點。
所述步驟6)中，增大數(shù)據(jù)監(jiān)控采樣周期的計算模型為：
monitor_time(i)＝default_monitor_time(i) ①
monitor_time(i)＝monitor_time(i)+atomic_time(i)*f(δ,threshold(i)) ②
其中公式①表示監(jiān)控指標i的采樣周期的初始化設置；公式②表示監(jiān)控指標i的采樣周期的動態(tài)調整，其中f(δ,threshold(i))表示數(shù)據(jù)偏差值δ與閾值threshold(i)的對應函數(shù)關系；
縮小數(shù)據(jù)監(jiān)控采樣周期的計算模型為：
monitor_time(i)＝max(monitor_time(i)/2,atomic_time(i))。
以上公開的僅為本發(fā)明的優(yōu)選實施方式，但本發(fā)明并非局限于此，任何本領域的技術人員能思之的沒有創(chuàng)造性的變化，以及在不脫離本發(fā)明原理前提下所作的若干改進和潤飾，都應落在本發(fā)明的保護范圍內。