基于zabbix与开源全体系监控的运维对象与指标体系建设-侯军

核心观点与关键数据

• Zabbix可监控对象与指标：Zabbix能够监控多种对象（如主机、虚拟化架构、微服务、容器云架构等），并采集各类指标（如性能、流量、日志、APM、业务应用等）。
• 对象与指标关系：Zabbix通过对象模型和指标关系模型，建立了运维对象、指标及其衍生指标之间的运行态数据关系，实现了数据、指标、对象之间的联动。
• 六度分隔与弱关系理论：借鉴六度分隔和弱关系理论，强调数据关系在AIOps中的重要性，弱关系如同“千里眼”和“顺风耳”，能够拓展数据连接范围。
• 开源生态与关系发现：从开源生态（如APM、NPM）中发现数据关系，为AIOps提供支持。
• 数据、关系一体化驱动智能运维：通过数据、关系一体化，实现智能运维一体化，包括数据治理、对象管理、算法赋能、全局运营智能告警等。

研究结论

• 数据一体化：通过业务应用指标、黄金指标、异常检测等，实现数据一体化，提升运维场景效率。
• 关系一体化：通过运维对象、指标、数据关系一体化模型，赋能智能算法，摆脱过往仅依靠数据特征的局限。
• 智能运维一体化：通过数据、指标、对象之间的边界和依赖更加清晰，突破智能运维场景的技术约束。
• 数据关系治理：通过数据关系治理，建立运维对象管理模型，实现数据资产化管理，提升数据质量，扩大运维范围。
• 运维对象管理模型覆盖范围：包括业务与基础设施一体化预警、海量基础指标智能监控全覆盖、数据治理等。
• 运维对象模型管理系统架构：涵盖原始数据层、统一接口、统一模型层、数据存储层、场景模型层等。
• 可靠场景推荐：包括日志场景、告警场景、检测场景、指标衍生检测预测场景等。
• 全局关系化赋能智能运维：通过指标覆盖全局化、资产服务关系化、全局数据资产化、数据资产服务化，提升运维管理效率。

支持体系

• Zabbix开源社区支持体系：提供每天社群交流、每周每月每年技术交流会、中文使用手册、中文图书、小额众筹等支持。
• 从入门到精通的支持体系：包括在线课程、认证培训、方案咨询、实施和订阅等，满足不同用户的学习和需求。