我需要用更具可扩展性的东西来代替穆宁[关闭]

我已经在多个服务器上使用munin多年，并取得了巨大的成功，但是在munin节点超过100个的情况下，当客户端上有负载时，处理就会超时。

我对cron作业和客户端进程数进行了一些缩放更改，并减少了运行的插件数，等等。但是我决定寻找一种具有更可扩展的体系结构的替代方案。

任何建议或经验都将受到欢迎。我基本上对服务器度量标准感兴趣，该度量标准可用于容量规划和诊断资源使用情况。（我们有nagios提醒）

听起来您可能有两个问题

1. 在监视服务器上，记录许多服务器的指标所需的随机I / O数比存储所能提供的更多。即使所有指标都已写入磁盘，服务器也可能过载，无法从中实际生成图形。
2. 在受监视的客户端上，收集指标的插件占用过多的CPU和内存，并且在客户端承受重负载时无法及时收集数据。

我过去曾使用Munin，但目前正在使用collectd。Collected的作者为解决这些问题投入了大量的思想和精力。他们拥有一个精心设计的系统，可将数据写入RRD文件，以确保您不会丢失数据并生成最新的图形。还支持RRDCacheD。守护程序和官方插件都是用C编写的，因此它们只占用很少的内存或CPU时间。在我的客户端系统上，它每分钟仅使用不到2MB的RAM和大约四分之一秒的CPU时间。在我的监视服务器上，它每分钟使用20MB的RAM和三分之二秒的CPU时间。请记住，我的所有指标每隔十秒就会收集并发送到我的监视服务器，而不是像munin那样每隔几分钟就发送一次。

尽管它们是很棒的工具，但Munin和其他RRDTool前端（例如Cacti或Ganglia）已经知道了I / O问题，并且在监视节点的成千上万时很难扩展。

虽然有一些技术可以解决此I / O瓶颈。这些技术之一是将写入分散在大量磁盘上，以减少每个磁盘中的I / O。另一方面，许多系统管理员使用tmpfs文件系统来解决此问题。RRDCached也是处理此问题的最新且不错的选择，我建议您看一下这张幻灯片。

我对Munin不太熟悉，但是Cacti有一个Boost插件。该插件将数据缓存在内存中，并执行对磁盘的海量和按需更新，而不是单个写入，从而减少了I / O。我很确定Munin也有这样的东西。

如果您负担得起，SSD磁盘也是不错的选择。

最后但并非最不重要的一点是，您还可以查看Reconnoiter。Recconoiter是一种全新的故障检测和图形/趋势工具。与大多数趋势工具不同，Reconnoiter不是基于RRDTool的，而是试图解决此特定问题。我没有在生产中使用Reconnoiter，但是我进行了一些测试，尽管仍然有些“绿色”，但看起来确实很有希望，尤其是在可伸缩性方面。

希望这可以帮助！

查看Zabbix。它是目前最好的开源性能监视工具之一。它可以很好地扩展，并且已经在具有数千台计算机的环境中使用。

Marco Ramos提供了一些可靠的建议。但是，我想补充说明：munin的最大问题是固定5分钟的收集时间表。如果在5分钟内所有节点均未返回结果，则您开始出现辍学现象。这是穆宁最大的问题。

诸如Ganglia之类的其他基于rrdtool的工具并未锁定在同一5分钟的更新窗口中，因为它们不会以与munin相同的顺序方式轮询所有数据源。

我建议您看一下Ganglia，因为它通常可以很好地扩展（尽管对于大型的ganglia安装，您确实需要关闭多播数据收集）。我怀疑在开始担心rrdtool是瓶颈之前，您可以在神经节上走很长一段路。到那时，您可以执行Marco建议的各种操作，例如使用SSD驱动器。

我要替换带有Ganglia的Munin，Munin杀死了我的服务器，所以我将尝试一下Ganglia，看看它如何扩展。