摘要：在互联网信息爆炸式快速发展的今天，各类复杂多样的平台系统相继涌出。如何选择最佳的监控产品以更好地维护这些平台和系统是每个 IT 人员都需面临的难题。本文将从开源监控产品的起源和发展，详细解析各个时代热门监控产品的优势和劣势，并结合各个监控产品的使用场景，帮你选择出最适合自己的开源监控产品。因篇幅和时间原因，下面介绍的资料和理解可能和实际情况有所偏差，欢迎大家留言或者加入微信群批评指正。

作者：Ethan Chen 云智慧解决方案架构师，拥有丰富的运维理论及实战经验。致力于将客户需求有效地转化为公司产品场景，让客户更有效率地理解公司产品并为其提供优质的技术支撑。

开源监控软件的前世今生

如下面谷歌趋势图所示（因有些单词有二义性，具体数值可忽略，只看趋势），与其他开源监控产品相比，2004 年的 Nagios 仍处在较高位置，但由于 Nagios 没有紧跟容器脚步、且配置复杂等缺点导致热度直线式下降。反观 Zabbix，从 2004 年至今，由于其监控的全面性，使得其热度一直处于平稳上升阶段。此外，基于 RRD 存储开发的 Ganglia 与 Cacti 由于产品自身的一些缺点，热度也在逐渐下降。下文我们将详细介绍各个产品的具体情况。

古代（2000-2010）

Zabbix（2004）

Zabbix 于 1998 年开发，2004 年正式 Release。较于其他开源监控产品，Zabbix 拥有强大的指标数据存储功能、画图功能，并且真正地做到了 All in One 全面监控，解决了运维人力和时间成本上的问题。

基于以上功能优点，以及大量完善的教程文档，Zabbix 在国内迅速传播发展。现如今，Zabbix 已经进入了 5.X 时代，前端界面的优化、ES 及 TimescaleDB 等时序数据库的支持，使得 Zabbix 又步入了一个的新的时代。

优势

• 丰富的插件。Zabbix 拥有丰富的 MiB 库资源以及模版等 850 多个插件；

• 易用性、依赖少。基于 PHP 与 MySQL 搭建，可用性比较强；

• 可进行一定颗粒度的权限控制；

• 文档完善。Zabbix 本身定位为企业级分布式监控系统，故拥有完善的文档，活跃的官方社区，且本身也更新得比较频繁，开发比较积极；

• 国内市场有相关的商业支持。

劣势

• MySQL 数据量问题。当 MySQL 数据量比较大时，存储性能容易出现问题；

• 可视化问题。自身可视化灵活性较差，需用 Grafana 等进行弥补；

• 功能使用率低，80%的用户使用的仍为监控、看图、告警等基础功能，大部分高级功能未能被使用。

使用场景分析

• 监控基础设施。主机、网络设备监控等；

• 中小规模监控；

• 对于大型场景的监控来说仍需注意数据问题。

Nagios（2002）

Nagios 是一个主要用于监控系统运行状态和网络信息的监控系统。Nagios 能监控所指定的本地或远程主机以及服务，同时提供异常通知等功能。

Nagios 拥有 4000 多个插件，且在很早之前就开始拥有自己的官方插件社区。这里面包括很多应用级别的监控插件。此外，Nagios 的通知虽然简单但能覆盖所有场景，以及本身拥有强大的监控任务调度的能力。

优势

• 功能简单易用，主要的功能是主动检测。

劣势

• 功能过于单一，只能通过主动检测告知结果是否匹配，被动检测功能原生功能较弱；

• 配置复杂，配置修改主机、报警、阈值等时，在原生 Nagios 中只能通过修改配置文件来实现，操作较为复杂。

使用场景

• 小场景简单监控。对于一些网站、端口等可进行简单监控；

• 大型场景需要各种花式 Hack，需要借助很多第三方的插件进行效率的提升和分布式的扩展。

Centreon（2005）

Centreon 是一款开源的软件，主要用于对 Nagios 的一些功能增强。可通过页面管理 Nagios，通过第三方插件实现对网络，操作系统，应用程序的监控。

优势

• 界面友好

• 维护方便

• 统一管理

• 性能数据可追溯

劣势

• 修改配置需要重启或者重载 Nagios 主进程

• MySQL 依然存在数据问题

• 文档资料较少

使用场景分析

• 适用于百台规模的中等监控

• 仍需要解决原生 Nagios 的一些弊端

Check_MK

Check_MK 是一款通用的 Nagios/Icinga 增强工具集。其插件有着相当成熟的检测机制和对硬件服务器的检测手段。非常适合对硬件服务器进行“体检”。

优势

• 界面友好

• 维护方便

• 统一管理

• 性能数据可追溯

劣势

• 增加变更需要重启 Nagios 主进程。

• 因后端存储使用 RRD，导致分布式扩展较为困难。

• 文档资料较少。

使用场景分析

• 适用于百台到千台以内中等规模监控

• 需要解决 Nagios 的一些弊端

Cacti（2001）

Cacti 是用 PHP 语言实现的一个监控软件，它的主要功能是用 SNMP 服务获取数据，然后用 RRD 储存和更新数据，当用户需要查看数据的时候用 RRD 生成图表呈现给用户。

优势

• 网络设备支持好

• 有权限控制

• 有汉化版

• 早期在 IDC 覆盖广

劣势

• SNMP 依赖只适合特性场景

• 资料老旧

使用场景分析

• 简单的 IDC 托管

• 网络运维

Ganglia（2001）

Ganglia 是 UC Berkeley 发起的一个开源集群监视项目，设计用于测量数以千计的节点。主要是用来监控系统性能，如：CPU 、内存、硬盘利用率， I/O 负载、网络流量情况等。

优势

• 数据集中，部署分布式

• 适合大规模部署

• 对集群热点观测性支持较好

劣势

• 无告警

• 集群内 UDP 广播问题多

使用场景分析

• 大数据应用

• 集群较多，关注整体资源使用率

近代（2010-2015）

监控宝（ 2010）

监控宝是云智慧推出的新一代用户体验监控工具，从全球节点主动模拟真实用户访问，提供网站性能监控、API 监控等服务，持续监测应用程序、网站、网络和数字化服务的可用性和性能，提前诊断，实时告警，帮助客户提升网络应用效能。

优势

• 全球分布式监测网络。200+ 分布式监测节点覆盖全球 112 个城市以及主要运营商网络，网络规模持续扩大中。

• 主动监测。监测节点按照预设规则模拟真实用户发起主动监测，实时掌控网络性能，聚焦用户体验。

• 立体化覆盖。HTTP/HTTPS/TCP/UDP/TR/DNS/PING 等多种协议类型，全面问诊网络、业务健康。

• 面向业务。通过包含多步请求的事物监控实现业务流程的监测，保障业务的稳定性和可用性。

• 持续监控。24/7 小时全天候监测网站和网络性能，多渠道服务支持，减少可能发生的中断。

• 快照+MTR。先进的问题诊断与分析机制，问题发生之前和问题恢复之后的数据尽在掌握，快速定位故障。

• 灵活告警。短信、邮件、微信、语音、API 等多种告警方式，确保告警能够被即时送达。

• 专业的分析报告。提供综合排名、竞品分析、同比/环比、日/周报等多维度的数据报告，满足专业化定制需求。

使用场景分析

• 网络链路质量监控与评估。通过采集不同地区、不同运营商链路的时延、丢包、网络抖动情况，从时间、地域、运营商等维度综合分析网络链路质量及可用率，快速发现和准确定位网络问题，便于及时进行链路调整，保障全网用户的体验。

• CDN 监控。通过海量的分布式节点模仿真实用户访问，监控 CDN 性能，评估 CDN 的加速情况，确保最佳的用户体验，可用于 CDN 选型评估、CDN 加速效果评估、CDN 故障排查与定位等使用场景。

• API 接口监测。通过监控 API 接口的响应时间、可用性和正确性并及时告警来保证 API 服务的可靠性，可用于 API 接口性能优化、第三方 API 接口监控等使用场景。

Graphite（2008）

Graphite 是一个开源实时的、显示时间序列度量数据的图形系统，通过其后端接收度量数据，然后以实时方式查询、转换、组合这些度量数据。

优势

• 指标点分概念引入

• Grafana 支持较早的协议之一

• 统计函数支持（140+）

劣势

• 指标无 Label 支持

使用场景分析

• 在做好数据归并时可用于大规模场景

现代（2015-2021）

Prometheus（2016 ）

Prometheus 是由 SoundCloud 开源的监控告警解决方案。存储的是时序数据，即按相同时序(相同名称和标签)，以时间维度存储连续的数据的集合。

优势

• 时序型存储、查询效率高。

• 支持集群模式，扩展性强。

• CNCF 项目，社区活跃。

劣势

• 一些 Exporter 采集的指标众多，需进行适当裁剪。

• 自定义采集脚本需要脚本开发能力（Golang、Python），相比 Shell 脚本来说学习成本更高一些。

使用场景分析

• 对于云计算、容器化场景更适合

夜莺（2018）

夜莺是一套分布式高可用的运维监控系统，前身是国内大名鼎鼎的 open-falcon。基于一些国内特殊的运维场景和习惯，在运维圈中有着不俗的场景理解和用户体验。

优势

社区活跃，有 open-falcon 群众基础。

产品设计灵活，人性化。

v4 版本自带小型 CMDB 和自动化。

v5 版本全面拥抱开源体系（Prometheus Telegraf）。

劣势

v5 刚发布，仍然需要一定的时间积累

后端存储的选型多样，需要根据场景进行选择

缺少日志类和 Tracing 类的监控场景

使用场景分析

所有指标类的监控

未来（2022-）

云原生的出现导致在 k8s 环境下的可观测性难度极具增加，因此出现了 eBPF 等新技术，但无奈市场上大部分的客户 Linux 内核还不足以支持相关的技术。但可以看到的是 DataDog skywalking 云杉等目前都在向 eBPF 进行布局。

除了增强程序自身的可观测性之外，可以预见在不久的将来，随着 Linux 内核的不断的完善以及客户环境逐渐的成熟。在运维角度可以发力的可观测性的选择一定会越来越多。也希望各位运维的同仁们时刻关注我们的公众号，关注前沿的可观测性的信息。最后给大家介绍一些相关书籍：

优质监控书籍推荐

【Nagios 系统监控实践（原书第 2 版）】https://book.douban.com/subject/25843798/

【Cacti 实战】https://book.douban.com/subject/26422185/

【Ganglia 系统监控】https://book.douban.com/subject/25706442/

【Graphite 监控】https://book.douban.com/subject/35217612/

【监控的艺术：云原生时代的监控框架】https://book.douban.com/subject/35115699/

【监控运维实践：原则与策略】https://book.douban.com/subject/35258085/

【Prometheus 云原生监控： 运维与开发实战】https://book.douban.com/subject/35239877/

更多福利

近日，云智慧开源了 集轻量级、聚合型、智能运维为一体的综合运维管理平台 OMP（Operation Management Platform） ，具备 纳管、部署、监控、巡检、自愈、备份、恢复 等功能，可为用户提供便捷的运维能力和业务管理，在提高运维人员等工作效率的同时，极大提升了业务的连续性和安全性。点击下方地址链接，欢迎大家给 OMP 点赞送 star，了解更多相关内容～

GitHub 地址： https://github.com/CloudWise-OpenSource/OMP

Gitee 地址：https://gitee.com/CloudWise/OMP