基础设施主机监控指标

基础设施监控是基础设施管理的一个组成部分，它是防御意外停机的第一道防线。要想评估主机的运行状况，可以为每个主机捕获以下性能指标：

• CPU
• 内存
• 磁盘（存储健康）
• 网卡（网络健康）

CPU健康

CPU使用率是用于计算CPU运行状况的主要度量。这是CPU忙于处理数据的时间百分比（即，它不是空闲时）。此百分比是针对所有可用CPU核心计算的，设定的范围在0–100%。

相同的计算方法可用于系统的总CPU使用率和特定进程组的CPU使用率。这意味着由4核系统上的单线程进程组成的进程组将达到最大CPU使用率25%（4 x 25％= 100％）。

高CPU使用率测量会定位导致CPU饱和“资源事件”发生所产生问题。

内存健康

通常包括两个与主机相关的内存指标，内存使用和Page Fault。所有测量和其他因素都用于关联计算主机高内存事件。

• 内存使用

进程使用的总RAM百分比。系统缓存和缓冲区使用的RAM不包含在此度量标准中。

• Page Fault

每秒的主要页面故障的次数。主要页面错误涉及从磁盘加载页面，从而为中断程序的执行添加磁盘延迟。

磁盘健康

磁盘健康包括：

• 吞吐量

每秒读取和写入磁盘的总字节数。

• IOPS

I / O（输入/输出）操作。在合并相邻磁盘扇区的操作之后计算操作。

• 磁盘延迟

从I / O请求提交到I / O请求完成的时间。磁盘读写操作的平均延迟（以毫秒为单位）。此度量标准用于检测主机慢速磁盘事件。

• 磁盘空间使用量

已使用的磁盘空间量。

• 空闲时间

磁盘空闲的时间。

网卡健康

NIC健康包括：

• 流量

在间隔期间传输数据的平均速率。

• 数据包

间隔期间主机网络接口上接收和发送的数据包数。

• 出错率

评估丢弃的数据包和错误的数量。

• 连接

与已拒绝或超时的TCP连接相比，正确建立的TCP连接的百分比。

注：该连接指标可作为对是否有一台主机上的网络流量的指标。但请注意，0％连接并不一定表示主机存在问题。假设不存在TCP错误，则可能只是意味着在所选时间范围内没有用户尝试连接到主机进程。