Grafana 监控系统是否重启

发布时间：2020-02-19 19:27:09编辑：admin阅读（2405）

一、概述

Linux 内核（以下简称内核）是一个不与特定进程相关的功能集合，内核的代码很难轻易的在调试器中执行和跟踪。开发者认为，内核如果发生了错误，就不应该继续运 行。因此内核发生错误时，它的行为通常被设定为系统崩溃，机器重启。基于动态存储器的电气特性，机器重启后，上次错误发生时的现场会遭到破坏，这使得查找 内核的错误变得异常困难。

 

线上的k8s集群，有时候回出现重启的现象，但是什么原因导致重启，无法得知。

Kdump

Kdump 是一种基于 kexec 的内存转储工具，目前它已经被内核主线接收，成为了内核的一部分，它也由此获得了绝大多数 Linux 发行版的支持。与传统的内存转储机制不同不同，基于 Kdump 的系统工作的时候需要两个内核，一个称为系统内核，即系统正常工作时运行的内核；另外一个称为捕获内核，即正常内核崩溃时，用来进行内存转储的内核。 

关于如何设置 kump，请参考链接：

https://blog.csdn.net/bytxl/article/details/45025183

 

因此，线上已经部署了Kdump，用来捕捉崩溃

 

二、监控脚本

系统什么时间发生了重启？不知道。所以需要有一个脚本来监测一下，一旦发生重启，就可以使用 crash分析内存转储文件

怎么知道系统重启

在ubuntu系统中，有一个 last reboot 命令，它会显示系统重启的历史列表

执行命令，效果如下：

root@localhost:~# last reboot
reboot   system boot  4.4.0-119-generi Mon Jan  7 13:50   still running
reboot   system boot  4.4.0-119-generi Sat Jan  5 11:48 - 13:49 (2+02:01)
reboot   system boot  4.4.0-62-generic Sat Jan  5 10:37 - 11:47  (01:10)

wtmp begins Sat Jan  5 10:37:40 2019




 在第一行，也就是最近一次的重启记录。

 

判断条件

怎么知道昨天，系统有没有重启呢？

很简单，先用 last reboot 获取最近一次的重启时间。再获取昨天的时间，将2个时间做对比，如果一致，就说明昨晚重启了，否则没有。

 

获取最新一次重启时间

# 最近一次重启时间
lately=`last reboot | head -1 | awk '{print $5,$6,$7}'`

 

昨日时间

# 昨天时间
yesterday=`date -d  "-1 days" | awk '{print $1,$2,$3}'`

 

Prometheus数据

我们需要构造Prometheus数据，将数据发送给Pushgateway，最后由Grafana 展示图表以及做报警

这里我们使用shell脚本来构造数据，格式如下：

监控名{destinationName="描述信息",instance="实例，默认值为空"} 值

 

这些数据，我是放在一个临时文件 /tmp/check_system_restart 里面

echo "system_restart{destinationName=\"system_restart\",instance=\"$HOSTNAME\"} 1" > /tmp/check_system_restart

注意：使用由于echo外部使用了双引号，所以内部再次使用双引号时，需要使用反斜杠进行转义才行。

我们知道，在shell里面，单引号是无法引用变量的，必须使用双引号！

$HOSTNAME 是linux 系统的一个全局变量，表示主机名

 

发送数据

cat /tmp/check_system_restart|curl --data-binary @- http://$localIP:9091/metrics/job/system_restart_`echo $localIP | awk -F '.' '{print $NF}'`

解释：

--data-binary 参数表示 HTTP POST请求中的数据为纯二进制数据

$localIP  表示 Pushgateway的ip地址

echo $localIP | awk -F '.' '{print $NF}'  表示获取ip地址的最后一位


 

注意：这里的job后面跟了一段字符串，是为了保证每一台服务器发送的url不一致。这样监控数据就不会被其他主机覆盖！

 

关于Pushgateway 的搭建，请参考链接：

https://www.cnblogs.com/xiao987334176/p/9933963.html

 

添加任务计划

常规情况下，我们一般使用 crontab -e 命令来添加任务计划

但是在shell脚本，却不能这么操作。

其实，直接修改  /etc/crontab  文件，也可以添加任务计划

 

下面一段代码，用来判断任务计划是否已经添加，不存在时，就添加！

if [ `cat /etc/crontab|grep 'check_reboot.sh'|wc -l` -eq 0 ];then
        cp -f /opt/check_reboot.sh /etc/ && chmod 755 /etc/check_reboot.sh 
        echo "0 * * * * root bash /etc/check_reboot.sh" >>/etc/crontabfi




完整代码

请将代码务必放到/opt目录下，因为代码路径写死了！！！

check_reboot.sh

#!/bin/bash

# 最近一次重启时间
lately=`last reboot | head -1 | awk '{print $5,$6,$7}'`

# 昨天时间
yesterday=`date -d  "-1 days" | awk '{print $1,$2,$3}'`

# 判断时间是否一致
if [ "$string" == "$yesterday" ];then
    # 写入日志
    #echo "$HOSTNAME restarted at $lately" >> /opt/restart.log
    echo "system_restart{destinationName=\"system_restart\",instance=\"$HOSTNAME\"} 1" > /tmp/check_system_restart
else
    echo "system_restart{destinationName=\"system_restart\",instance=\"$HOSTNAME\"} 0" > /tmp/check_system_restart
fi

# 获取geteway服务器ip
localIP=`ip addr | grep '192.168' | awk '{print $2}' | cut -d '/' -f 1`

# 发送数据给Pushgateway 
if [ `cat /tmp/check_system_restart|wc -l` -ge 1 ];then
        cat /tmp/check_system_restart|curl --data-binary @- http://$localIP:9091/metrics/job/system_restart_`echo $localIP | awk -F '.' '{print $NF}'`
else
        curl -X DELETE http://$localIP:9091/metrics/job/system_restart_`echo $localIP | awk -F '.' '{print $NF}'`
fi

# 添加任务计划
if [ `cat /etc/crontab|grep 'check_reboot.sh'|wc -l` -eq 0 ];then
        cp -f /opt/check_reboot.sh /etc/ && chmod 755 /etc/check_reboot.sh 
        echo "0 * * * * root bash /etc/check_reboot.sh" >>/etc/crontab
fi




执行脚本，就会自动产生 /tmp/check_system_restart 文件。

查看文件内容

root@localhost:~# cat /tmp/check_system_restart
system_restart{destinationName="system_restart",instance="xx-node01"} 0




自动将脚本复制到 /etc/check_reboot.sh，这样是为了路径统一，方便添加任务计划！

 

最后，会自动添加任务计划！

任务计划定义的是每个小时执行一次，为了不等那么长时间，可以先手动执行一次 /etc/check_reboot.sh 脚本

 

查看 Pushgateway 数据

就会看到一条job



三、Grafana添加监控

添加一个图形，标题叫做 昨日系统重启



设置显示的值



设置报警策略

当最后一个值等于1时，触发报警

 


效果如下：

 

关键字：