SLS机器学习服务最佳实践：ECS时序指标监控巡检

2022-03-10 08:41:23

背景

云服务器ECS是阿里云所提供的性能卓越、稳定可靠、可弹性扩展的IaaS级别云计算服务。使用云服务器ECS可以不用采购IT硬件设备，直接像使用水、电、天然气等公共资源一样便捷、高效地使用服务器，实现计算资源的即开即用和弹性伸缩。众多业务或服务在ECS上面运行，机器的稳定性对维持服务的稳定性来说尤为关键。本期将为大家介绍利用阿里云SLS（原日志服务），采集ECS的CPU、内存、负载、磁盘、网络等监控数据，并进行智能巡检与异常检测，形成对ECS主机的健康监控大盘，帮助你更好的管理并维护自己的云服务器。

指标说明

对于云服务器的稳定性，有如下黄金指标值得我们关注：

类型	指标	说明	单位
CPU相关指标	cpu_util	CPU使用率，计算方式为排除idle、wait、steal后的占比	百分号（%）
内存相关指标	mem_util	内存使用率	百分号（%）
磁盘相关指标	disk_util	IO使用率	百分号（%）
网络相关指标	net_err_util	报错数据包占总数据包的比值	百分号（%）
系统相关指标	system_load1	系统平均负载，1分钟平均值	不涉及

有关云服务器的更多指标（总计46个），可以关注SLS官方文档：《采集主机监控数据》

使用流程

数据接入

进入SLS控制台，选择接入数据中的主机监控，可以进入如下界面：

以呼和浩特集群为例，在选择了目标Project与MetricStore之后，您可以选择要监控的ECS机器，组合成机器组：

这里选择的机器组要安装配置Logtail：

Logtail安装成功，心跳正常后，就可以开始采集主机的监控数据啦。您只需要配置如下规则即可采集到对ECS的各项监控指标数据。有关配置参考官方文档《采集主机监控数据》

点击左下角的开启指标巡检，SLS的机器学习服务将为您实时自动分析监控指标时序数据。智能巡检服务通过机器学习，神经网络等AI算法，以流式的方式不断学习历史数据，对当前的指标状态进行异常分析。有关算法详情请见《SLS机器学习服务简介》。

至此，我们已经完成了ECS主机监控以及时序指标巡检的全部配置。完成配置后，您的目标project下将被创建如下工程：

其中，主机监控 与 主机监控-ML 分别是指标数据可视化与异常检测结果可视化两个大盘，您可以在上面看到您所监控的ECS指标整体情况与健康度情况。

巡检结果可视与分析

主机监控-ML

上面两图展示了异常巡检结果的大盘。从图中，我们可以对所监控的机器进行智能化的分析。SLS机器学习服务会为您自动学习历史数据，判断当前指标的异常与否，将结果汇总于大盘。您可以通过通过大盘看到整体汇总的异常信息，以及单指标上的异常位置（三角形符号标识）。点击异常点进入，可以看到该机器整体指标的变化情况。