问候，
我想问一下集体对分布式监控系统的看法和看法，你用什么，你知道哪些可能会打我的箱子？
要求相当复杂;
没有单点故障。 真。 我死了严重！ 需要能够容忍单个/多个节点故障，既“主”和“工人”，你可能会认为没有监控位置（“网站”）有多个节点，或在同一networking。 因此这可能排除了传统的HA技术，如DRBD或Keepalive。
分布式逻辑，我想在多个networking，多个数据中心和多个大陆上部署5个以上的节点。 我想从我的客户的angular度来看待我的networking和应用程序的“鸟眼”视图，当您拥有50多个节点，甚至500多个节点时，监控逻辑的积分不会陷入停滞状态。
需要能够处理相当合理数量的主机/服务检查，la Nagios，假设每个主机有1500-2500个主机和30个服务。 如果增加更多的监控节点，可以相对线性地进行扩展，这可能是非常好的，也许在5年的时间里，我可能希望每个主机监控5000个主机和40个服务！ 从上面关于“分布式逻辑”的说明中join，可以很好地说：
图表和pipe理友好的function。 我们需要跟踪我们的SLA，并知道我们的“高可用性”应用程序是否全天候运行是有用的。 理想情况下，您提出的解决scheme应该尽可能less地使用“开箱即用”的方式进行报告。
必须有一个坚实的API或插件系统来开发定制支票。
需要对警报有所了解。 我不想一定知道（通过短信，在凌晨3点） 一个监控节点认为我的核心路由器已经closures。 我确实想知道他们中有一定比例的人是否同意某些事情正在发生;）我在这里谈论的基本上是“法定人数”的逻辑，或者是对分散的疯狂的适用。
我愿意考虑商业和开源的select，虽然我宁愿避开费用数百万英镑的软件:-)我也愿意接受，可能没有什么东西在那里打勾所有这些盒子，但想问集体那个。
在考虑监视节点及其位置时，请记住，其中大部分将是随机ISPnetworking上的专用服务器，因此在很大程度上超出了我的控制范围。 依靠BGP提供和其他复杂networking滑稽的解决scheme可能不适合。
我还应该指出，过去我曾经评估，部署过或大量使用/定制过大多数开放源代码风格，包括Nagios，Zabbix和朋友 – 它们确实不是坏的工具，但总的来说，它们是平坦的“分布式“方面，特别是关于我的问题和”智能“警报中讨论的逻辑。
很高兴澄清任何要点。 欢呼伙计和加尔斯:-)
不是一个真正的答案，而是一些指针：
决定看看有关纳吉奥斯@高盛的介绍 。 他们遇到了您提到的问题 – 冗余，可扩展性：成千上万的主机，也自动生成configuration。
我有冗余的nagios设置，但规模小得多 – 共有80台服务器，总计约1k个服务。 一台专用的主服务器，一台从服务器每天定期几次从主服务器抽取configuration。 两台服务器都覆盖了对同一台机器的监控，他们之间的健康交叉检查。 我使用nagios主要作为框架调用自定义产品特定的检查[一堆cron作业执行脚本做'人工stream程控制'，结果软件logging到SQL，nrpe插件检查成功/失败的执行最后x分钟]。 所有的工作非常好。
你的法定人数逻辑听起来不错 – 有点类似于我的“人为stream动” – 基本上继续下去，执行你的自我; – ]。 并有nrpe只是检查某种标志[或带有时间戳状态的SQL数据库]是怎么回事。
你可能想要构build一些层次结构来扩展 – 你将有一些节点来收集其他节点的概述，从第一点看看演示文稿。 每个单一支票的默认nagios分支在监控服务的数量越多越好。
回答一些问题：
你所要求的听起来很像Shinken为Nagios做的事情。
Shinken是一个Nagios重写。
这应该是值得思考的。
干杯