线上使用自己开发的url monitor工具进行应用层面的监控，主要的原理使用nagios驱动pycurl做url的检测，url的检测属性（ip,port,url,httpcode等）是放在数据库里面的。
对于http code的监控，当获取的http code和期望的http code不一致时，产生报警邮件。
最近发现在报警邮件中，有显示current http code是200，但是nagios的状态却是critical的情况。
报警邮件：
通过nagios的页面查看，确实看到了监控报错的情况：
nagios页面：
分析nagio的报判断的几种状态：
soft：监控项处于retry_check检测周期内的非正常状态
hard：监控项达到max_check_attempts最大次数后的非正常状态
hard：监控项达到max_check_attempts最大次数后的非正常状态
常态：soft和hard之外的状态
线上关于这个service的配置：
check_interval 3
retry_interval 1
max_check_attempts 3
retry_interval 1
max_check_attempts 3
即检测间隔为3分钟，检测间隔为1分钟，最大重试3次。当第一次失败后，进入soft1，间隔1分钟后继续检测，失败进入soft2，当第3次同样失败时，进入hard状态。
进入hard状态后，就会每间隔3分钟检测。（注：进入soft状态后， 按retry_interval的时间检测，不按check_interval的时间检测，直到恢复常态或hard ）
从nagios的结果可以看出，是由于service check超时导致，nagios的service check和pycurl都是有超时设置的，产生这种问题的原因就是在nagios的超时时间内，pycurl没有正常返回值，导致nagios任务检测失败。但是pycurl的超时时间比较长，最终返回了正确的值update到了数据库，但是nagios确认为检测失败了。。
在pycurl中控制超时的设置是CONNECTTIMEOUT（默认300s），TIMEOUT(永不超时)
而nagios的模式设置service_check_timeout模式时60s.
解决方法：
对pycurl的超时参数做设置，小于nagios的超时时间即可。
具体的pycurl的代码：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
def
check_server_url(proxy,url,location):
buf_header
=
cStringIO.StringIO()
c
=
pycurl.Curl()
c.setopt(c.URL,url)
c.setopt(c.CONNECTTIMEOUT,
20
)
c.setopt(c.TIMEOUT,
40
)
if
location
=
=
0
:
c.setopt(c.FOLLOWLOCATION,
0
)
else
:
c.setopt(c.FOLLOWLOCATION,
1
)
c.setopt(c.PROXY,proxy)
c.setopt(c.HEADERFUNCTION,buf_header.write)
c.setopt(c.NOBODY,
True
)
try
:
c.perform()
http_code
=
c.getinfo(c.HTTP_CODE)
print
http_code
http_hearder
=
buf_header.getvalue()
except
pycurl.error:
http_code
=
"-1"
c.close()
buf_header.close()
return
http_code
|
其实最根本的rc还是业务响应慢导致(最终定位为db的响应慢)。
本文转自菜菜光 51CTO博客，原文链接：http://blog.51cto.com/caiguangguang/1357283，如需转载请自行联系原作者
