运维监控分为黑盒和白盒黑盒不深入代码在系统角度看TPS延迟等指标白盒深入代码分析通过日志捕捉以及主动上报告警等来进行监控黑盒监控1. 页面功能域名是否可访问系统可用性页面是否可以刷出来按钮点击模拟console报错日志http请求时延错误正确率用户在线数量2. 对外API接口QPS/TPS 时间延迟 错误信息 成功率白盒监控1. 架构组件1. VPCELB等2. DNS解析可用性解析时延3. LB可用性2. 系统OS1. 所在系统本身CPU磁盘内存文件句柄等2. 进程自身查看进程DTZ状态即使kill并重启进程是否存在checkHealth接口3. 进程1. 第三方系统接口QPS/TPS 时间延迟 错误信息 成功率2. 异步任务异步任务类似一个接口QPS/TPS 时间延迟 错误信息 成功率 等待队列监控3. 定时任务监控是否报错4. java进程相关日志监控GC频率4. 中间件1. Kafka可用性集群切换消息积压Topic维度流量监控关注太高和太低2. Redis可用性连接数量QPS 内存使用率5. DB1. 可用性是否可连接2. Sql异常监控Sql报错3. 慢Sql监控监控TP90和TP99时间