可扩展到1000个主机和100,000个variables的监控系统

在我们真的能给你一个build议之前，你还需要回答几个问题。 对于初学者，你想存储5年的原始数据？ 或者是汇总的数据够好？ 这比你想象的要重要得多，而这个function本身就可以决定你的select。

当你谈论5年的时间跨度时，你几乎总是在讨论将要卷起的趋势信息，随着时间的推移你将失去精确度。 如果你不汇总数据，那么你正在处理大量的数据，很less的系统（包括软件和硬件）将能够处理它。

幸运的是，这就是为什么RRDtool和循环数据库（RRD）被发明出来的原因。 如果你不认识，那没关系。 您可能不知道名称，但是如果您正在查看开源工具，则几乎可以看到构build于其上的所有内容。 几乎所有的开源程序都会随着时间的推移趋势数据，并给你漂亮的图表，可能是在底层使用RRDtool。 RRDtool创build固定大小的数据库，自动卷起数据并将固定精度存储到指定的限制。 例如，您可能会以5分钟精确度存储30天的数据，30分钟精度的90天数据，1小时精确度的180天数据，1天精度的365天数据，3年数据精度为1周，10年数据精度为1个月。 这是全部可configuration的，并且每次添加新的数据点时，都会计算卷起数据。

现在，一旦确定了您的数据保留要求，您需要弄清楚您计划如何监控系统。 如果有各种各样的设备，特别是如果有很多networking设备，SNMP是标准的。 另外，还有很多设备不能被SNMP以外的其他设备监控，所以至less有一些SNMP支持很重要（例如UPS，发电机，打印机等）。 如果您有很多服务器，则可能需要使用基于代理的系统，在每个要监控的设备上安装监控代理。 这通常会给你更详细的信息，但会大大增加所需的pipe理费用。

接下来，您需要知道您的预计增长超出了“处理X和处理10倍X的东西”。 即使在列出的1K主机上，1K与10K主机是完全不同的野兽。 很多系统会处理1k，但是当你接近10k时，很多时候你需要一个分布式系统来分担负载。 另外，你提到每个系统要监视的100个variables。 。 。 你确定吗？ 并不是所有支持监视许多variables的监视系统都是如此。 这是从每个设备拉大量的信息。

最后，当你开始接近大规模时，你需要考虑的不仅仅是监测系统。 以5分钟的分辨率将100个可变数据位从1k（或10k）设备拉回将需要一些相当严重的带宽。 为此做好准备，否则您会发现您的监控系统对您的networking造成了负面影响。 如果您的系统分布在多个站点并且您正在通过WAN链接，这一点尤其重要。

在这个庞大的networking监控规模中，有一些开放源码系统声称具有竞争力，但并不多。 Nagios已经有很长一段时间了，并且已经知道监视1k +系统。 Zenoss同时提供了一个开源的核心产品和一个商业支持的产品，并试图挑战一些“大打者”。 Zabbix是完全开源的公司支持它提供支持。

当涉及到需要监控的数千个设备/系统的大型公司时，最大的参与者是CA的Spectrum / eHealth / Unicenter，IBM的Tivoli套件以及HP的OpenView。 这些都可以处理巨大的规模，但也带有巨大的价格标签。

注意：我的日常工作是实施和维护networking监视工具，我们监视超过5k个networking设备和8k服务器。 find在这些规模上运行良好的工具是很困难的 。

Nagios似乎是这类问题的默认答案，但是在这个尺度上有一些使用它的安装。

在扩展的基础上，它很灵活，易于定制。

我会说Nagios或者Zenoss：

Nagios http://www.nagios.org

Zenoss http://www.zenoss.com

如果configuration正确，任何一个都应该能够处理您的要求。

在工作中，我们使用Opsview 。 它build立在Nagios之上，可以处理录制数据和其他东西。 监控请求由一组监控节点处理，并报告给主站。 如果您有多个数据中心，这可能非常方便，但我们主要将其用于冗余和负载平衡。 我以为它使用RRDtool，但它似乎使用MySQL。

不过，你的要求有点荒谬。 首先，5年的数据可能会超过给定个人主机的使用期限。 其次，你没有提到有关查询这些数据的任何信息。 你只是想要总数来估计configuration？ 主机出现故障时是否丢弃数据？ 你甚至想深入到特定的主机？ 将所有样品存储五年将是一个负担，更不用说存储了。

接下来，假设您实际上将100个采样合并为800字节，则您每年要存储的数据量为每台主机80 MB。 （RRD需要每个样本大约8个字节）。 整个系统每年将消耗80 GB，并且会很难查询。 10倍，你需要谷歌的帮助。 如果你做了一些愚蠢的事情，比如loggingps的结果，那么对你有祸害。

认真的汤姆，告诉我们这次Google发明了什么，或者让你该死的公司在MapReduce和BigTable上写下你需要的东西。 在Google的规模上，认真重新deviseRRD等格式以更好地适应数据冗余可能是最好的计划。

检查这slashdot线程吨的build议;）

http://ask.slashdot.org/story/09/07/08/210241/What-Would-You-Want-In-a-Large-Scale-Monitoring-System

我们使用Zabbix来监控150台主机和10台服务器。

它应该处理您的需求。

我也会build议Nagios，但我真的不确定它是否会存储5年的数据，因为我从来没有在一台机器上运行这么长时间。 除此之外，我没有理由不使用它。