开篇词

• 写这个玩意儿，主要是看了掘金小册之后，想到我们的监控系统是我从 0 开始做起来的，所以想着也可以做个小册玩一玩儿

• 整个体系中的组件都是开源产品，白嫖

• 但是我觉得看完内容后，你肯定完全可以自己搭建开发一套监控系统，因为内容中完全是我们现在线上正在使用的

• 我目前在游戏公司工作，所以整体的设计是面向游戏公司的监控需求，可能会不太满足你的需求

• 如果有啥问题，欢迎联系我，一起交流学习，微信号: kongzz45

游戏运维监控

作为游戏运维人员，你可能会听到如下的一些各方表达的声音，当然肯定不止如下这些。

• 玩家登陆不了游戏了
• 玩家充值金额不到账
• 玩家游戏体验说很卡，进入不了战斗
• 游戏前端页面的资源加载不到，白屏
• 我们需要知道当前玩家的舆情
• 我们需要知道当前玩家在线跟昨天同时间对比情况
• 怎么机器宕机了啊
• 我们需要知道游戏进程资源使用情况

当我们在聊这些问题的时候，我们在聊什么？

作为一个游戏运维人员，面对运维工作，就是要保障游戏运行环境的稳定可控。这里的游戏运行环境，包括程序代码的运行环境（机器，容器等等），具体的业务逻辑依赖的资源（域名，CDN 资源，数据库等等）。

当某个节点出现问题的时候，运维人员能否做到快速定位并解决，这可能就需要用到监控了，我们需要监控系统来帮助我们对游戏的运行环境进行不间断的监控，以至出现或者将要出现问题的时候，运维人员能够提前知道并解决问题。

监控什么

按照资源划分

• 使用的机器资源或者容器资源
• 使用的数据库资源
• 使用的域名（证书）资源
• 使用的 CDN 资源
• 使用的网络资源（带宽，连通性等）
• 等等

基础监控

• 主机存活，重启
• CPU，内存使用率
• 磁盘 IO，磁盘使用率，磁盘 inode，磁盘只读
• 网络 IO，TCP 连接数
• 僵尸进程
• 等等

业务监控

• 进程存活，端口可连通
• 登录，注册，在线，充值，聊天
• 业务错误日志，业务埋点日志
• 游戏版本，渠道，广告投放
• 客户端性能（埋点）
• 业务自定义场景
• 等等

怎么监控

1. 数据采集
2. 定义告警规则
3. 定义告警级别
4. 定义告警接收人（游戏运维，研发，等等）
5. 数据和规则进行匹配计算，根据级别生成告警项
6. 将哪些告警项发给哪些告警接收人
7. 运维人员根据告警项进行问题处理
8. 将问题处理过程进行复盘并归类总结
9. 迭代优化告警项？优化监控系统？优化业务？