跳到主要内容

监控告警

目录​

一、功能概述​

监控告警是 ESB 平台核心运维工具，通过实时监测系统运行状态、资源使用及业务处理流程，及时发现并处理异常，保障系统稳定运行。该功能涵盖主机监控、集群监控、流程集成监控和异常重试管理等多个维度，采用分层架构：数据采集层负责数据收集，数据传输层保障数据送达监控平台，数据处理层进行深度分析，告警触发层在异常发生时及时展示告警信息。

二、功能操作指南​

（一）监控概览​

监控概览专注于系统运行状态的全面监控，集成告警统计概览、后端服务器状态监测、慢 API 列表展示、响应码占比统计及 API 调用失败率 TOP10 分析等功能模块。此界面为系统运维人员提供统一视图，便于集中获取系统告警信息。通过该界面，运维人员能够高效评估系统当前健康状态，精准定位潜在问题，并迅速采取针对性措施，确保系统稳定、高效运行。

操作步骤：登录管理中心，在左侧导航菜单选择 "监控告警" ，默认进入 "监控概览" 标签页。

监控概览图示

页面内容详解

  • 告警统计卡片：直观呈现告警总数，以及紧急、重要、一般和提示告警的具体数量。

  • 后端服务器状态：展示各服务器的运行时状态、IP 地址、所属集群及部署时间。具体定义如下：

字段说明
运行时状态表示服务器当前是否可正常响应请求，取值为 "启动" 或 "停止"
服务器 IP 地址服务器的网络地址，分为公网 IP（对外服务）和内网 IP（集群内部通信）
所属集群服务器所属的集群名称，用于资源分组与管理
部署时间服务器实例的启动或配置更新时间

  • 慢 API TOP10：展示系统中响应时间最长的 10 个 API，按照响应时间从高到低排序，方便您快速定位可能影响系统性能的慢 API。通过分析慢 API 的业务逻辑、调用频率以及涉及的资源，您可以针对性地进行优化，例如优化代码逻辑、增加缓存机制或调整资源分配，从而提升系统整体响应速度。

  • 响应码占比统计：以饼图形式呈现各类响应码占比。其中，2xx 系列表示成功响应（200 为成功）；3xx 系列为重定向响应；4xx 系列是客户端错误（如 404 表示资源不存在）；5xx 系列为服务器错误（500 表示服务器内部错误）。

  • API 调用失败率 TOP10：系统将自动筛选并列出调用失败率最高的 10 个 API。通过这一数据呈现，您可以快速定位到问题频发的关键 API，进而针对这些 API 展开深入排查，例如检查接口参数设置、网络连接状况、服务器负载等，精准解决 API 调用异常问题。点击告警信息，可查看详细内容，获取更多故障细节。

（二）主机监控​

主机监控对系统内各主机运行状态进行 7×24 小时实时监测，通过采集 CPU 使用率、内存占用率、磁盘 I/O 速率及网络流量等关键指标，以图表和报表形式呈现，帮助运维人员及时发现并处理主机异常。

操作步骤：在左侧导航栏点击 "监控告警" ，顶部导航栏点击 "主机监控" 进入页面；选择需监控的主机 IP 地址，并可自定义 "近 1 小时""近 6 小时""近 12 小时""近 24 小时" 等时间范围，查看对应时间内的性能指标数据。

主机监控图示

性能指标图表解读

  • CPU 使用率（%）：展示实时趋势及最大值、最小值、最新值。正常低于 70%，70%-85% 为警戒区间需密切关注，持续高于 85% 可能存在性能瓶颈。同时留意周期性峰值和持续上升趋势，必要时分析并优化占用高资源进程。

  • 内存使用率（%）：呈现实时趋势及关键数值。正常应低于 80%，80%-90% 需关注，高于 90% 可能影响系统性能。若内存使用稳定增长或大幅波动，需排查内存泄漏或大对象操作问题。

  • 磁盘读写速率：量化磁盘读写速度，包括写入和读取速率的最大值、最小值和最新值。超出正常范围可能因大规模数据操作导致系统性能下降，需定位相关进程并优化。

  • 网络速率：展示网络收发包速率实时趋势及关键值。需关注带宽利用率、异常流量峰值、高数据包错误率和高连接数，及时处理网络质量问题或潜在攻击。

（三）集群监控​

集群监控用于实时掌握系统各集群运行状态，通过分析节点资源使用、任务分配和数据同步等指标，保障集群稳定运行和业务连续性。

操作步骤：在左侧导航栏选择 "监控告警" ，顶部导航栏选择 "集群监控" 进入页面。

集群监控图示

页面内容介绍：采用卡片视图展示系统 API 网关 与 ESB 的所有集群，卡片包含集群名称、集成流数量、运行时状态（环形进度条展示）和状态详情（已启动和未启动集成流数量）；同时通过饼图可视化展示集群运行时状态分布。

（四）队列监控​

队列监控用于实时监测系统中消息队列的运行状态，通过采集队列的生产者数量、消费者数量、消息处理情况 等关键指标，保障消息传递的稳定性和可靠性。

操作步骤：在左侧导航栏选择 "监控告警" ，顶部导航栏点击 "队列监控" 进入主页面；该模块包含 "消息队列"、"生产者"、"消费者" 三个子页面，可通过顶部标签页切换查看不同维度的队列运行数据。

页面数据展示

  • 消息队列：展示队列名称、地址、类型、生产者 、消费者数量、消息处理状态等核心指标，用于监控队列整体运行情况。
队列监控图示
字段说明
队列名称队列唯一标识，用于区分不同消息通道
队列地址网络访问地址，支持地址溯源
类型分为 "主题（Topic）" 或 "队列（Queue）"，对应发布订阅 / 点对点模式
生产者数量实时发送消息的客户端数量
消费者数量实时接收消息的客户端数量，显著低于生产者时易导致消息积压
未处理消息数队列中待消费的消息总量，持续增长需排查消费者处理能力
处理中消息数正在被消费的消息数量，用于评估实时处理效率
超期消息数量超过预设超时时间未处理的消息，超期量过高需检查网络或消费者故障
生产消息总数该队列自创建以来累计生产的消息总量，用于统计业务消息的产生规模。
消费消息总数该队列自创建以来累计被消费的消息总量，与生产消息总数对比可判断是否存在消息丢失情况。
连接名称消费者连接队列时的标识名称，可用于追溯连接异常等问题。
流程数量与该队列相关联的流程数量，可反映队列在流程中的使用频次和重要程度。
  • 生产者：作为实时发送 消息的客户端，呈现生产者名称、目标地址、协议、客户端 ID 及连接状态，助力定位消息发送端异常 。
集群监控图示
字段说明
生产者名称生产者实例唯一标识，通常关联业务模块名称
目标地址生产者发送消息的目标队列或主题地址，用于确认消息的路由是否正确
协议通信协议（如 AMQP），协议不匹配会导致发送失败
客户端 ID生产者唯一连接标识，用于追踪连接异常日志
  • 消费者：作为实时接收 消息的客户端，显示消费者名称、订阅队列信息、远程地址、过滤器及消费速率，用于排查消息消费端问题。
集群监控图示
字段说明
消费者消费者实例标识，通常关联业务消费模块
客户端 ID消费者唯一连接标识，用于追踪消费异常日志
队列类型订阅的队列类型（主题 / 队列），一般与生产者类型匹配
队列名称订阅的目标队列 / 主题名称，用于确认消费链路正确性
队列地址队列的网络访问地址，支持公网或内网地址，可用于地址溯源等
远程地址消费者网络地址，用于排查网络延迟导致的消费超时等问题
过滤器消息过滤条件，配置错误可能导致消息漏消费
协议消费者与队列通信使用的协议，如 AMQP 等，协议不匹配会导致消息通信异常

（五）流程集成监控​

集成流监控用于实时监测系统中各集成流的运行状态，提供关键性能指标数据，帮助及时发现并处理集成流异常。通过实时监测集成流的运行情况、请求成功率等关键指标，能够快速发现集成流运行过程中的异常情况，从而及时采取措施进行修复，保障业务流程的顺利进行。 在该页面，能直观看到各集成流的运行状态，通过不同颜色或图标区分成功和失败状态，便于快速识别异常集成流。页面还配备多种数据统计图表，助力深入分析集成流运行情况。

操作步骤：在左侧导航栏选择 "监控告警" ，顶部导航栏选择 "流程集成监控" 进入页面；可自定义 "近 1 小时""近 6 小时""近 12 小时""近 24 小时" 等时间范围查看数据。

集成流监控图示

页面数据展示

  • 集成流状态：以数字形式清晰展示 "正常""异常""停止" 三种状态的集成流数量。

  • 集成流运行情况：通过图形界面区分集成流运行的成功（绿色标识）与失败（红色标识）状态，饼图展示所有集成流运行成功和失败的请求数量 。

  • 请求数：通过柱状图展示请求总数、成功数和失败数，正常情况下请求成功率应高于 95%，失败率低于 5%，超出阈值需重点排查。

（六）异常重试​

异常重试功能用于处理因网络波动、系统故障等导致的请求失败，确保业务流程连续性。

操作步骤：在左侧导航栏选择 "监控告警"，顶部导航栏选择 "异常重试" 进入页面。

异常重试图示
字段说明
请求名称队列唯一标识，用于区分不同消息通道
请求 ID记录异常请求的唯一标识，可用于追踪和定位具体的网络访问
名称分为请求数据的名称
版本号记录请求的版本号，用于区分不同版本请求
类型记录数据的类型，分为"TIMER"、"REST API" 、"SOAP API"、"MQTT"、"KAFKA"、"JMS"、"SOCKET"、"EMAIL"、"HL7"、"AS2"、"CDC"、"HTTP简易代理"、"SOAP简易代理"、"SAP服务"、"数据库服务化" 16种类型。
重试状态重试后的状态，分为 "成功" 、 "失败"
重试次数已重试的次数，超过阈值需重点排查
响应时间以毫秒为单位的请求处理耗时
  • 当点击表格中的请求 ID 时，可查看当前请求的详细信息
异常重试图示

页面信息解读：以列表形式展示近期异常请求详情，包括请求 ID、名称、版本号、类型、重试状态、重试次数、响应时间及操作等信息，便于追溯问题、分析异常原因和优化系统。其中，请求 ID 作为每一条异常请求的唯一标识，可用于精准追溯；名称明确了请求所关联的业务内容或功能模块；版本号则有助于定位问题出现时对应的软件版本。类型字段详细区分了请求的类别。重试状态直观展示该请求是否进行过重试操作，是处于已重试成功、重试失败还是尚未重试的状态一目了然。重试次数记录了为解决异常而尝试重新发送请求的累计次数，便于分析异常的顽固程度。响应时间精确统计从发出请求到收到反馈的时长，单位通常为毫秒，这一数据对于评估系统性能和异常影响程度具有重要意义。

（七）事件网格​

用于展示EventMesh端点的监控指标。

操作步骤：在左侧导航栏选择 "监控告警"，顶部导航栏选择 "事件网格" 进入页面，

事件网格图示

在配置页面输入要连接的EventMesh管理端点，点击“保存”按钮保存。连接成功后将在页面展示该端点的配置、指标信息。

事件网格图示

页面数据展示

  • 配置：显示该端点的所有配置信息，包括TCP配置、HTTP配置、gRPC配置等信息。
事件网格图示
  • 指标：显示该端点的所有指标信息，包括HTTP服务指标、HTTP批量处理指标、HTTP发送指标、HTTP推送指标、TCP指标分类等信息。
事件网格图示

页面信息解读：以列表形式一目了然地展示EventMesh端点的配置、指标信息。

三、常见问题解答​

（一）告警级别有哪些分类？​

  • 告警总数：当前系统所有级别的告警数量总和。

  • 紧急总数：标记为紧急的告警，如服务器宕机、网络中断等需立即处理的严重问题。

  • 重要总数：标记为重要的告警，包括资源使用率过高、服务响应超时等需及时关注处理的问题。

  • 一般总数：标记为一般的告警，例如日志文件过大、配置文件更新等常规信息。

  • 提示总数：标记为提示的告警，通常是系统更新通知、配置建议等无需紧急处理的信息。

（二）在使用主机监控功能时，如何根据监控数据优化系统性能？​

当 CPU 使用率、内存使用率、磁盘读写速率或网络速率接近或超过系统设计上限且持续较长时间，可能存在性能瓶颈。如 CPU 使用率长时间超 80%，可考虑升级 CPU 或优化任务；内存使用率接近 100%，需增加内存容量。同时结合磁盘和网络监控数据，排查 I/O 瓶颈或网络带宽不足问题，采取针对性优化措施。

（三）如何评估集群运行状态？​

  • 节点状态分析：关注已启动和未启动节点数量，评估节点状态分布是否均衡。

  • 集群健康度评估：考察服务可用性、负载均衡、数据同步状态和资源使用情况。

  • 多集群比较分析：横向对比各集群运行状态，找出异常集群并分析差异原因。

  • 后续行动判断：对健康集群维持常规监控，警告状态集群增加监控频率排查问题，异常集群立即进行排查修复。

（四）如何高效利用异常重试功能提升系统稳定性？​

深入理解异常重试机制原理；利用请求 ID、名称等信息定位问题根源；关注重试次数和响应时间变化趋势，发现潜在性能瓶颈；根据异常类型和失败原因，合理调整重试次数和间隔，优化重试策略；结合系统日志综合分析异常重试信息，实现系统针对性优化。