Monitoraggio del server e dell'hypervisor
Il monitoraggio del server è attivo 24 ore su 24 in tutti i piani e non consuma ore di ingegnere. Il piano determina la profondità dei controlli.
Come funziona
- L'agente Zabbix in modalità attiva invia le metriche al server di monitoraggio nei Paesi Bassi.
- Il monitoraggio è attivo 24/7.
- Gli alert del sistema di monitoraggio arrivano agli ingegneri INTROSERV, che li analizzano. Se per eliminare la causa di un alert è necessario intervenire, creiamo per lei un ticket con la descrizione del problema e le possibili soluzioni.
Il monitoraggio comprende la disponibilità di rete tramite ICMP, i parametri del sistema operativo e dell'hardware (RAID, SMART, temperatura), i servizi e le applicazioni. Profondità e contenuto del monitoraggio dipendono dal suo piano.
Cosa viene monitorato in ogni piano
| Piano | Controlli | Perché |
|---|---|---|
| Starter | disponibilità di rete tramite ICMP: risposta, tempo di risposta, perdita di pacchetti | Conferma che il server funziona ed è raggiungibile dalla rete. |
| Advanced | tutto ciò che è in Starter, più carico di CPU e memoria, swap | Permette di notare la mancanza di risorse prima che il server smetta di rispondere. |
| occupazione e I/O dei dischi | Avvisa della mancanza di spazio su disco e del rallentamento dei dischi. | |
| traffico di rete | Mostra il carico del collegamento di rete. | |
| sensori di temperatura dell'hardware | Avvisa del surriscaldamento dell'hardware. | |
| stato del RAID software e hardware, su Linux e Proxmox VE incluso ZFS | Segnala un guasto dell'array di dischi, per esempio il guasto di uno dei dischi. | |
| notifiche proattive | Viene a conoscenza di un problema prima che causi un guasto. | |
| Premium | tutto ciò che è in Advanced, più dettagli del controller RAID hardware: versione del firmware, stato della batteria e della cache | Aiuta a individuare in anticipo l'usura della batteria e i guasti del controller RAID. |
| stato dei servizi | Segnala l'arresto dei servizi importanti per lei. | |
| trigger e soglie propri su richiesta | Il monitoraggio viene adattato alle caratteristiche del suo server e delle sue applicazioni. |
Servizi monitorati in Premium
Controlliamo lo stato di ogni servizio: se è attivo o è terminato in modo anomalo.
| Sistema | Servizi di sistema | Servizi di database |
|---|---|---|
| Linux e Proxmox VE | cron, dbus, rsyslog, ssh, systemd-journald, systemd-networkd, systemd-resolved, systemd-udevd, systemd-timesyncd, unattended-upgrades | postgresql, mariadb, mysql, mongod, redis-server, valkey-server |
| Windows Server | EventLog, RpcSs, LanmanServer / LanmanWorkstation, W32Time, Netlogon, Schedule, WinRM, TermService, MpsSvc / BFE, WinDefend | PostgreSQL, MariaDB, MySQL 8.x, MongoDB, Redis |
Ci comunichi durante l'attivazione altri servizi importanti per lei. In Premium possono essere aggiunti come trigger propri.
Alert tipici
- lo spazio su disco sta finendo;
- un servizio è caduto;
- il carico sta aumentando;
- un RAID è degradato;
- surriscaldamento.
In tutti i piani eliminiamo le cause degli alert di monitoraggio con la sua approvazione.
Gli ingegneri risolvono autonomamente i problemi hardware e di rete, senza approvazione. I lavori all'interno del sistema operativo si svolgono solo tramite ticket e dopo la sua approvazione.
Monitoraggio dell'hypervisor Proxmox VE
Su Proxmox VE il monitoraggio dell'hypervisor si aggiunge al monitoraggio del server. Ogni nodo viene attivato separatamente e fatturato secondo il proprio piano.
Il monitoraggio comprende lo storage locale, di rete e distribuito, lo stato delle VM, i job di backup e lo stato del cluster.
| Piano | Cosa viene controllato | Perché |
|---|---|---|
| Starter | storage locale | Avvisa della mancanza di spazio per le macchine virtuali. |
| stato delle VM: in esecuzione, arrestata, in pausa, in riavvio | Segnala un arresto o un riavvio non pianificato di una macchina virtuale. | |
| modifiche alla configurazione delle VM | Registra modifiche non pianificate ai parametri delle macchine virtuali. | |
| disponibilità del QEMU guest agent | Segnala che l'hypervisor ha perso il contatto con l'agente all'interno di una macchina virtuale. | |
| Advanced | tutto ciò che è in Starter, più storage di rete | Segnala la perdita di connessione con lo storage di rete. |
| overcommit di CPU, memoria e storage | Avvisa se alle macchine virtuali sono assegnate più risorse di quelle disponibili sul server. | |
| stato dei job di backup, complessivo e per ogni VM | Mostra quali macchine virtuali non hanno un backup recente. | |
| stato delle interfacce vmbr | Segnala un guasto della connessione di rete delle macchine virtuali. | |
| stato del datastore PBS | Segnala problemi con il datastore di Proxmox Backup Server. | |
| Premium | tutto ciò che è in Advanced, più stato di Ceph: OSD, PG, latenza RBD | Avvisa della riduzione di affidabilità e prestazioni dello storage distribuito. |
| stato HA: quorum, fencing, pve-cluster | Avvisa del rischio di perdere la tolleranza ai guasti del cluster. | |
| replica ZFS | Segnala un errore o un ritardo nella replica dei dati tra i nodi. | |
| collegamenti e latenza di Corosync | Segnala problemi di comunicazione tra i nodi del cluster. |
Gli ingegneri risolvono autonomamente gli incidenti hardware e di rete. I lavori a livello di hypervisor e VM vengono concordati con lei.
Trigger e soglie
Un alert scatta quando un parametro supera la sua soglia e rimane oltre per un tempo stabilito. Alcuni parametri hanno due livelli: avviso e critico. Di seguito i valori predefiniti.
Server: Linux, Windows Server e nodi Proxmox VE
I nodi Proxmox VE vengono controllati con gli stessi trigger dei server Linux e, in più, con i trigger dell'hypervisor della tabella successiva.
| Cosa viene monitorato | Soglia predefinita |
|---|---|
| Disponibilità di rete | nessuna risposta a 3 controlli consecutivi; perdita di pacchetti oltre il 20% o tempo di risposta oltre 150 ms per 5 minuti |
| Agente e riavvio | nessun dato dall'agente per più di 5 minuti; uptime del server inferiore a 10 minuti |
| CPU | carico oltre il 90% per 15 minuti; su Linux load average oltre 1,5 per core, su Windows coda del processore oltre 3 per core per 5 minuti |
| Memoria | oltre il 90% in uso per 5 minuti; su Linux meno del 50% di swap libero, su Windows file di paging occupato oltre l'80% |
| Spazio su disco | oltre l'80% è un avviso, oltre il 90% è critico; su Linux anche inode liberi sotto il 20% e il 10% |
| Prestazioni dei dischi | utilizzo del disco oltre il 95% o tempo di risposta oltre 30 ms per 15 minuti |
| Rete | un'interfaccia ha perso il collegamento; più di 2 errori al secondo per 5 minuti |
| Temperatura | oltre 80 °C è un avviso, oltre 95 °C è critico |
| Dischi e array | un disco, un array RAID o un pool ZFS è guasto; un pool ZFS è occupato oltre l'80% |
| Controller RAID | il controller o la batteria della cache sono guasti; la cache è passata in modalità WriteThrough; temperatura oltre 95 °C; la versione del firmware è cambiata |
| Servizi | un servizio è stato arrestato; un servizio è stato riavviato |
Hypervisor Proxmox VE
| Cosa viene monitorato | Soglia predefinita |
|---|---|
| Macchine virtuali e container | una VM non è in esecuzione o è stata riavviata; il QEMU guest agent non risponde; lo stato o la configurazione della VM sono cambiati |
| Risorse del nodo | CPU o memoria oltre il 90% per 15 minuti; alle VM è assegnato oltre il 300% dei core o oltre il 100% della memoria del nodo |
| Storage | lo storage non è disponibile; occupazione oltre l'80% e il 90%; ai dischi delle VM è assegnato oltre il 150% della capacità dello storage |
| Rete delle VM | un bridge vmbr non è attivo |
| Backup | un job di backup è terminato con un errore o un avviso; nessun backup recente di una VM da oltre 26 ore; la verifica del backup non è riuscita; una VM non è inclusa in nessun job di backup |
| Cluster e HA | un nodo ha perso il quorum; non tutti i nodi sono online; nessun quorum HA; fencing in corso; servizi HA in stato di errore; un servizio di sistema di Proxmox VE è stato arrestato |
| Ceph | stato HEALTH_WARN o HEALTH_ERR; un OSD non funziona; parte dei dati non è disponibile o non è stata recuperata da oltre 15 minuti; occupazione oltre il 75%; latenza OSD oltre 50 ms |
| Replica ZFS | la replica è terminata con un errore; l'ultima sincronizzazione riuscita risale a più di 1 ora fa |
| Corosync | un collegamento tra i nodi non è disponibile o è instabile; latenza oltre 5 ms |
I valori di queste tabelle sono soglie predefinite. In Premium, soglie e trigger propri vengono adattati al suo server su richiesta, anche in modo specifico per singoli dischi, sensori, interfacce e storage.