背景

在我们的系统架构中，Nginx作为所有HTTP请求的入口，是非常重要的一层。每天产生大量的Nginx Access Log，闲置在硬盘上实在是太浪费资源了。所以，能不能把Nginx日志利用起来，实时监控每个业务的访问趋势、用户行为、请求质量和后端异常呢，这就是本文要探讨的主题。

目的

1. 错误码告警（499、500、502和504）；
2. upstream_response_time超时告警；
3. request_time超时告警；
4. 数据分析；

关于错误和超时监控有一点要考虑的是收到告警时，要能够快速知道是哪个后端服务节点出现了问题。

在这之前，我们都是通过随机进入一个Nginx节点tail log才能定位到，效率有些低。

架构

废话不多说，先上架构图。整体架构没太复杂的地方，随便画了一张，莫笑话我~

日志采集

这部分结合lua-resty-kafka使用Lua扩展将数据按照一定格式拼接后写入Kafka集群。Nginx+Lua的性能就不用多说了，这样一来完全可以关掉Nginx本身的日志开关，减少磁盘消耗；

消息队列

我们数据分析组的同事在这之前就已经建立Kafka集群，无需再搞一套消息队列服务。另外一个很重要的点是，我们不希望日志数据取完就删掉了，运维组除了要做监控告警之外，数据组也要读取数据做分析。因此，如Redis此类的消息队列就直接被我们pass掉了；

异常监控计算

这部分使用Heka来做，Heka使用Go语言编写，内置丰富的插件可以满足大部分的需求。若不满足需求，可以使用Go或者Lua自行开发扩展。之前使用过Logstash做业务日志收集，但它有时的CPU占用实在太吓人，不敢再在业务机上使用，并且感觉扩展不方便。就我们目前的应用来看，Heka的性能和资源占用还是很不错的。

可以使用Filter做计算，有错误时向Heka消息流中写入告警消息，SMTPOuter匹配到告警消息后通过自定义的Encoder定制好邮件内容后再发送。

可视化

Heka层一方面做异常监控，另一方面使用Message Matcher Syntax匹配异常数据写入到Elasticsearch, 再架设一个Kibana。我们在收到告警邮件后，就可以进入Kibana后台查看异常的Log。

不足

1. 邮件告警机制需要优化, 我们目前的设置是每分钟检查一次，发现错误就会一直告警。之后可以优化为发现异常时告警一次，异常结束时再发一次汇总邮件；
2. Heka服务管理和进程监控需要优化，支持自动重启，不然进程挂了都不知道；
3. Heka配置接入配置中心并支持自动重启（目前的配置主要是各业务的告警阀值，需要进入机器修改）；

总结

整个开发过程还是比较顺利的，唯一比较耗时的是熟悉Heka的整个消息处理的流程和机制，以及如何开发扩展。另一个比较坑的是Heka的错误提示不全和调试不方便，有时完全靠猜，不过好在它本身并没有多复杂，有些问题看一看源代码就明白了。

关于消息队列的选择，前面已经提到我们已有Kafka集群就直接拿来用了。如果仅仅做异常监控，不需要消息留存, 倒可以考虑使用Redis之类轻量些的消息队列, Kafka未免有些重了。