稳定性三十六计-历史记录

引子

半夜三点，睡梦中被一阵没人接听誓不罢休的电话铃吵醒。睡眼惺忪的接听了电话，电话那头传来了不用听清任何人类语言就能感受的焦急。让我赶快打开电脑，说服务整个不工作了！

打开监控看到线程池被打满。本着“先恢复现场再排查原因”的基本原则，重启并扩容了一倍的服务器。服务又正常了。完美的做到了“三分钟定位，十分钟解决”。但是现场不在了，怎么排查根因呢？答案是：历史记录。

 

为什么要做历史记录

历史记录是大数据的最重要数据源。通过历史记录可以进行事件追溯、未来预判和推荐。举个例子：

静儿在网上搜索了“稳定性三十六计”这个词，找到自己想要的内容了。然后去做别的事情，再打开浏览器的时候，发现旁边的小弹出框里推荐我《稳定性宝典》这本书。

这个推荐效果很多种算法都能实现，比如最近比较火的“协同过滤推荐算法(Collaborative Filtering Recommendation)”。啥是协同过滤推荐算法呢？协同过滤推荐算法简而言之，就是找到相同兴趣的群体，将这个群体中感兴趣的其他信息推荐给用户。

实施的时候可以先建立一个大表，X轴是所有的推荐内容，Y轴是所有的用户。

然后我们将每个用户感兴趣的XY交叉点都标出来。如图可以看到对“稳定性三十六计”感兴趣的对“稳定性宝典”感兴趣的概率也很高。

历史记录对于稳定性，也可以将其他同类系统作为用户，将他们的问题作为推荐项进行协同过滤分析，找到自身的可优化点。系统出了问题需要分析原因时，事件追溯更是必不可少。

 

怎么做历史记录

日志

最常用的事件维度记录是日志。有存于本地磁盘和集中式日志两种。

本地磁盘日志就是将日志在程序中控制直接写入本地磁盘。

集中式日志的架构大同小异，基本结构如下：

• 采集器负责采集数据，并发送给收集器。

• 收集器负责收集采集器发送过来的数据，并定时写入集群。

• 存储中心负责对数据分类、排序、去重，把同类型的数据合并。

• 分析和可视化平台负责数据的展示。

以下是常用的数据收集系统的比较

 

ELK不是一款软件，而是Elasticsearch、Logstash和Kibana首字母的缩写。这三者是开源软件，通常配合一起使用。而且先后归于Elasic.co公司的名下，所以简称ELK Stack。根据Google Trend的信息显示，ELK已经成为目前最流行的集中式日志解决方案。

 

Nosql

除了日志，任何有价值的历史信息都是应该存储起来做分析的。这时候存储就是关键。因为数据量大，对强一致性没有苛刻的要求。所以从成本上传统的关系型数据库不是首选。一般选择Nosql数据库。Nosql数据库主要有四类：

1.key-value数据库

 

2.列式数据库

3.文档型数据库

4.图结构数据库

 

时序数据库

时序数据库全称为时间序列数据库。时间序列数据库主要用于指处理带时间标签的数据。带时间标签的数据也称为时间序列数据。

基于时间序列数据的特点，关系型数据库无法满足对时间序列数据的有效存储与处理，因此迫切需要一种专门针对时间序列数据来做优化的数据库系统，即时间序列数据库。

目前行业内比较流行的开源时序数据库产品对比如下：

 

总结

Talk is cheap, show me the data!