浪潮云平臺InCloud OpenStack是面向下一代云數據中心和云原生應用的智慧云操作系統，全面基于OpenStack，采用開放標準技術路線，實現用戶業務的自動感知、業務的智能管理和服務的自動化交付，為用戶構建開放、融合、安全的云，支撐面向未來的智慧計算世界。浪潮云平臺InCloud OpenStack已成功應用于金融、政府、能源、環保、教育等行業，累計擁有3000+用戶。

OpenStack是開源 IaaS解決方案，組件眾多，架構復雜，并且技術棧長。隨著基于OpenStack的客戶系統和業務規模的快速提升，實現對系統和業務進行高效、快速、靈活監控和告警的需求越來越迫切，既要保證服務的高可用、高性能、可擴展，又要提高異常處理效率，降低損失。

以zabbix、為代表的傳統監控，具有采集方式多樣、插件成熟、配置靈活等優點，但在大規模OpenStack集群監控中，卻存在如下缺點：

配置麻煩，無法根據節點上運行的服務自動配置監控項。性能瓶頸，多采用關系型數據庫，并發能力、讀寫性能等無法支撐大規模集群。用戶界面專業復雜，不夠簡單易用。不易擴展，以監控為目標，不易添加智能分析等功能。

浪潮云平臺InCloud OpenStack監控模塊，提升監控效率

浪潮云平臺InCloud OpenStack監控模塊就是在這個背景下誕生并不斷進行優化的，其整體架構圖如下所示，此架構能夠有效提升監控數據獲取密度與存儲數量級，為運維決策提供數據支撐。

浪潮云平臺InCloud OpenStack監控模塊

浪潮云平臺InCloud OpenStack監控模塊提供了簡單易用的頁面供用戶進行監控管理配置及查看，包括：支持資源實時指標、歷史曲線；支持采集配置、告警配置、通知配置；支持配置的及時下發和快速生效；支持告警歷史記錄、通知歷史記錄的管理。

面對日十億量級監控項，浪潮InCloud OpenStack如何實現秒級監控？

大規模監控是浪潮云平臺InCloud OpenStack解決的最核心問題。以某行業客戶的InCloud OpenStack項目為例，其監控模塊的物理服務器規模有500+臺，性能數據采集周期10秒，服務數據周期1-5分鐘，當全部監控項都設置為采集時，每個節點約2000+監控項/周期，每天集群約產生50億項監控數據。

面對如此龐大量級的監控項，并實現秒級監控，需要解決五個主要問題：大規模部署和海量監控的采集配置該如何進行？大規模集群的采集壓力如何化解？監控數據的實時性和高并發如何應對？多OpenStack集群的集中監控如何實現？面對海量告警，又該怎樣快速定位問題？

面對這五個棘手問題，浪潮云平臺InCloud OpenStack逐一給出了解決方案：

1、容器化一鍵部署

集群規模的擴大對于云平臺監控的部署特別是監控的配置的要求很高，浪潮云平臺InCloud OpenStack監控模塊的安裝部署實現了容器化，采用Kolla-ansible進行一鍵化部署，部署流程包括采集配置、容器部署、配置表初始化、腳本發布、監控變量導入、頁面導入等，部署時根據OpenStack節點角色自動配置采集項，例如當此節點部署有mariadb服務，則此節點配置mariadb相關采集；當此節點部署nova-compute服務時，則此節點配置nova-compute相關采集。通過此方案InCloud OpenStack實現了監控一鍵部署。

2、主被動混合采集機制

浪潮云平臺InCloud OpenStack監控模塊數據采集支持集中采集、代理采集以及事件采集三種采集方式，如下圖所示，可實現異構設備的數據采集，具體包括OpenStack系統本身（宿主機、虛擬機、集群、容器、核心服務）、原生OpenStack（宿主機、虛擬機、集群、核心服務）、操作系統、數據庫、存儲服務、中間件、CEPH存儲等。

這種主被動混合采集機制，既減少了性能數據的采集壓力，有效地校驗了關鍵資源的數據完整性，又提高了關鍵數據的實時性。