简介：What is sysAK、典型工具介绍、开源 3 方面介绍了 sysAK 系统，目前 sysAK 工具集已经在龙蜥社区开源，并且在系统运维 SIG、跟踪诊断 SIG 一起共建，希望大家后期加入 SIG 一起讨论共建。
编者按：本文整理自「云栖大会龙蜥专场论坛」的技术分享。作者张毅，系统运维SIG 核心人员。另龙蜥专场视频已经上线至龙蜥社区官网，欢迎观看：云栖大会龙蜥专场论坛。
系统运维 SIG 已在龙蜥社区建立 SIG 组。目前 sysAK 工具集已经在龙蜥社区开源，并且在系统运维 SIG、跟踪诊断 SIG 一起共建，希望大家后期加入 SIG 一起讨论共建。本文将从技术角度分享 sysAK 系统。
一、 What is sysAK
sysAK 是我们去年才提的概念，但里面的功能来自于我们多年来在阿里百万规模的服务器运维经验。在系统运维过程中，资源监控与利用、问题排查与解决是核心诉求，因此 sysAK 覆盖系统运维的三大典型场景。
2、系统诊断。这是对于典型的问题做分析的覆盖，比如说负载异常、网络抖动、内存泄漏、IO 毛刺、性能瓶颈、应用异常等等。
3、系统介入。这块更重要的一点是故障修复，因为我们的系统运维终极目标是减少或者避免业务损失，故障总是不可预期的会发生，发生之后我们能快速发现和分析，也需要对这个问题本身做一些修复或止血，所以 sysAK 也会提供一些系统不具备但常用的故障修复手段在里面。
覆盖比较全的场景做了可用工具集，其实还是不够的，另外一个目标是工具怎么做的好用。好用有很多因素，我认为至少要具备以下三点：
1、 对普通用户来说易懂。比如说现在的一些服务越来越多，系统越来越复杂，现在一些工具对运维来说要去了解背后的专业知识才能使用。运维工具输出结果要直达问题的核心，用户直接能看懂，不管是诊断结果或是修复建议。
2、 对运行系统来说影响少。工具本身要尽量减少对系统的扰动，sysAK 通过高性能实现来做，并通过统一的资源框架来做管理，工具可以随时随地常态化运行。这样的话，对系统问题及时发现是非常有好处的。
3、 对其他平台接口友好，便于被集成。sysAK 工具集可以做成标准化输出形式，在大型集群平台上也可以做集群化运维。
二、典型工具介绍
下面可根据一些分类场景的典型工具来看 sysAK 是怎么达到这些目的。
系统运维的话，Load 作为服务器运行负载的一个典型指标，经常被运维人员用于评价系统运行是否良好的一个关键因素，其计算本身是比较简单的，就只是简单恒量运行任务和 IO 等待任务的数量。对于运维人员来说，他可以方便的拿到当前是哪些进程导致 Load 高，但背后是什么导致，原因各种各样。系统错误或者硬件错误都可能会导致 Load 高，只是拿到进程情况，没有专业的操作系统知识是无法继续分析的。所以 loadtask 工具会进行全方位的系统分析，除获取进程运行栈外，还自动分析内存压力、cpu 压力、IO 压力、系统错误，并将这些因素和进程栈进行关联，跟当前进程对照，上下文结合，给出最后精确的 Load 异常原因，让运维人员直接根据这个作出决策。
锁竞争分析工具，锁竞争是比较常见的业务效率低下或突发抖动的原因之一，通过静态分析我们可以找到锁的持有者是谁，但是一般业务抖动、长时间性能上不去，这是动态的锁的过程，ulockcheck 工具会跟踪锁的持有释放流程，对持有锁的时间时长和频率进行分析，真正判断出来到底是因为某一些任务持有过长还是业务竞争锁比较激烈，并且给出竞争场景的上下文，帮助业务开发人员精准判断出优化点在哪儿。
三、开源
由于不断发展和变化的复杂业务环境，工具集也需要持续迭代，以覆盖更多的场景，因此希望通过社区合作，共同打造出这个跨平台的统一工具集，为此，工具集支持多种语言格式，c、shell、python、go 等，方便不同语言习惯的开发者进行开发，快速集成；同时针对需要采集系统内核数据的情况，也同时兼容 Linux kernel module 和 eBPF 两种技术，对内核版本不做限制。
本文为阿里云原创内容，未经允许不得转载。