骨灰级运维开发：监控系统，从来不只是运维的事儿 | 极客时间

开始今天分享前，先问大家一个问题：哪些人应该学习监控相关的知识？只是运维吗？

其实，每个关注高可用、关注服务稳定性的技术人员都应该学习监控相关的知识。在稳定性保障体系中，核心就是在干一件事，减少故障。我们可以看一下故障的生命周期：

减少故障有两个层面的意思，一个是做好 常态预防，不让故障发生；另一个是如果故障发生，要能尽快止损，减少故障时长。而监控的典型作用，就是帮助我们 发现及定位故障，这两个环节对于减少故障时长至关重要。

运维人员和研发人员是典型的关注稳定性的人，不过侧重点不同。发生故障的时候，运维人员更希望快速找到问题根因，及时止损。而研发人员，更希望能“自证清白”。不管出于何种目的，监控都是不可或缺的工具。

其实，监控的作用还有很多，比如用于日常巡检，作为性能调优的数据佐证，提前发现一些设备、中间件不合理的配置。

随着时代的发展，监控也从最开始的一句话需求 - 及时感知系统出现的问题，发展到了希望 预知问题，并且可以洞察业务经营数据，越来越多的诉求让我们逐渐意识到监控的重要作用。

8 年多的社区维护工作中，我解答过很多的监控问题。这些问题让我深深地意识到运维监控领域，缺少一套体系化的内容，把监控这个事情深入浅出地讲透。所以我萌生了写个课程的想法，期望呈现一套 系统的、正确的、尽可能完备的运维监控系统知识手册。

也希望你不用再为了寻找一个答案而苦苦搜索，也不必再自己去一块一块地拼凑知识。

课程目前已经更新完成，建议识别上方二维码，试看两篇，判断是否是你需要的内容，再决定是否入手。

监控领域相关的产品很多，整个监控技术体系非常庞杂。不同的监控目标应该选用哪个采集器？机器、中间件、数据库、应用程序分别应该怎么监控？应该着重关注哪些指标？时序数据量很大，应该选用什么样的存储？作为一个公司级的基础设施，需求各异，选用哪一款系统更便于扩展？

关于这些问题的，我也在课程中给予了解答。

学习监控知识，得先了解为什么，也就是监控是因何产生的，解决了什么问题，有哪些典型的方案，分别有什么优缺点，通用的监控系统架构是怎样的。通过这些内容，你可以了解监控及相关的概念，为接下来的正式学习打好铺垫。

这个部分我会带你搭建 Prometheus 这个监控系统，剖析它的关键设计，并给出 Prometheus 薄弱环节的解决方案。让你有个感性的认识的同时，帮助你理解监控系统的相关设计。

操作系统、网络设备、MySQL、Redis、Kafka、ElasticSearch、Kubernetes、应用、日志等所有常见监控的需求统统搞定。这个部分我们讲解各个监控目标是如何采集监控数据的，有哪些指标最为关键。中间穿插一些问题排查手段，并提供配置好的仪表盘，让你开箱即用的同时，知其然并知其所以然。

这个部分的重点就是甄别异常数据并发出告警，包括告警规则、屏蔽规则、抑制规则、订阅规则的管理，还有告警事件的管理以及告警事件触发后的自愈逻辑。

一般监控系统都支持配置告警规则，可以产生告警事件，但是针对告警事件后续的支持偏弱，没有很好的聚合收敛、事件闭环的能力。这个部分主要是为了让你了解告警部分相关的设计逻辑和考量点，帮助你选型这方面的商业产品。当然，如果你后续选择自研，这些思考也会大有裨益。

通过目录来看看具体内容吧：

不管你是运维工程师，还是业务研发、架构师，抑或者是监控和稳定性系统建设人员，运维监控相关知识都是工作中必不可少的一部分。这个课程可以补齐你在监控领域缺失的“拼图”。

点击「阅读原文」，开始我们的监控之旅吧！