如何监控Zookeeper的运行状态

监控 Zookeeper 运行状态的实用方案

一快速健康检查与命令行

使用四字命令直连 2181 端口，快速判断存活与角色：
- 存活探测：echo ruok | nc localhost 2181（返回 imok 表示进程存活）
- 简要状态：echo stat | nc localhost 2181（版本、角色、连接数等）
- 详细指标：echo mntr | nc localhost 2181（延迟、收发包、连接数等）
- 会话与监听：echo cons | nc localhost 2181；echo wchs | nc localhost 2181
- 节点角色：/path/to/zookeeper/bin/zkServer.sh status（显示 Leader/Follower）
- 客户端连通性：/path/to/zookeeper/bin/zkCli.sh -server : 并执行 stat
- 日志排查：检查安装目录下的 logs/ 日志文件，定位异常与告警。

二指标采集与可视化

Prometheus + Grafana（推荐）
- 方式A（Zookeeper 3.6+）：在 zoo.cfg 启用内置指标暴露
  - 配置：metricsProvider.classname=org.apache.zookeeper.server.metrics.PrometheusMetricsProvider
  - 配置：metricsProvider.httpport=9090
  - Prometheus 抓取：scrape_configs 新增 job，targets: :9090
- 方式B（通用）：通过 JMX Exporter 暴露 JMX 指标，再由 Prometheus 抓取
- Grafana：添加 Prometheus 数据源，导入 Zookeeper 仪表盘进行可视化
Telegraf
- 启用 inputs.zookeeper 插件，servers=[“localhost:2181”]，将指标送入 InfluxDB/Prometheus 等后端
企业监控
- Zabbix：通过自定义 UserParameter 调用 zkServer.sh status 或四字命令，结合触发器告警
- Site24x7：部署 Site24x7 Agent 与 Zookeeper 插件，集中展示与告警。

三 JMX 深度监控

本地/远程 JMX
- 在 zkServer.sh 的 JVM 参数中加入：
  - -Dcom.sun.management.jmxremote.port=5000
  - -Dcom.sun.management.jmxremote.authenticate=true/false
  - -Dcom.sun.management.jmxremote.ssl=false/true
  - 如需鉴权：-Dcom.sun.management.jmxremote.access.file=jmxremote.access
  - 如需鉴权：-Dcom.sun.management.jmxremote.password.file=jmxremote.password
- 使用 jconsole 或 jvisualvm 连接 :5000 查看 MBean（如请求延迟、收发包、连接数等）
安全建议：生产环境开启鉴权与 SSL，限制来源 IP，避免暴露公网。

四关键指标与告警建议

可用性
- 存活探测 ruok 非 imok 连续失败 ≥ 3 次（间隔 10s）
- 集群角色异常：节点长时间非 Leader/Follower（结合 mntr 或 zkServer.sh status）
延迟与吞吐
- AvgLatency/MaxLatency 突增（如超过基线 2–3σ）
- PacketsReceived/PacketsSent 与业务峰值不匹配（可能连接风暴或 GC 抖动）
连接与会话
- NumAliveConnections 持续接近 maxClientCnxns
- cons 显示异常会话数增长或大量临时节点未释放
存储与快照
- 数据目录磁盘使用率 ≥ 80%
- 观察 wchs/wchc/wchp 的 Watcher/临时节点异常增长（可能客户端泄漏）
日志与异常
- logs/ 中出现 ERROR/WARN、频繁 Session expired、Commit failed 等。

五一键健康检查脚本示例

用法：./zk_check.sh <port=2181>
功能：四字命令探测（ruok/mntr/stat）、角色检查、简单阈值判断与退出码

#!/usr/bin/env bash
set -euo pipefail

HOST="${1:-localhost}"
PORT="${2:-2181}"
TIMEOUT=5

# 四字命令封装
zk_cmd() {
  local cmd="$1"
  echo "$cmd" | nc -w "$TIMEOUT" "$HOST" "$PORT" 2>/dev/null
}

# 1) 存活探测
if [[ "$(zk_cmd ruok)" != "imok" ]]; then
  echo "CRITICAL: ruok not ok from $HOST:$PORT"
  exit 2
fi

# 2) 角色检查
ROLE=$(zk_cmd stat 2>/dev/null | awk '/Mode:/ {print $2}')
if [[ -z "$ROLE" ]]; then
  echo "CRITICAL: Cannot get role from $HOST:$PORT"
  exit 2
fi
echo "OK: Role=$ROLE"

# 3) 关键指标阈值示例：平均/最大延迟
read -r _ _ _ _ _ _ _ AVG_LATENCY MAX_LATENCY < <(zk_cmd mntr 2>/dev/null | egrep '^avgLatency|^maxLatency')
if [[ -n "$AVG_LATENCY" && "$AVG_LATENCY" -gt 100 ]]; then
  echo "WARNING: avgLatency=$AVG_LATENCY ms > 100 ms"
  exit 1
fi
if [[ -n "$MAX_LATENCY" && "$MAX_LATENCY" -gt 1000 ]]; then
  echo "CRITICAL: maxLatency=$MAX_LATENCY ms > 1000 ms"
  exit 2
fi

echo "OK: Zookeeper $HOST:$PORT healthy"
exit 0

建议：配合 cron 每 10s 执行，将输出接入 Zabbix/Site24x7 或通过 curl 上报到告警网关。

最新问答

相关标签