企业级大数据平台智能运维好帮手Aquila Insight

2022-04-29宋奇

计算机与网络 2022年21期

宋奇

Aquila Insight是星环科技推出的一款多模数据平台监控软件，为企业运维团队提供了一套统一、完整、便捷的智能化运维解决方案。通过丰富的仪表盘管理、告警与通知管理、实时和历史查询语句运行分析、计算和存储引擎的统一监控、完整的日志收集过滤与检索等功能，实现高效智能运维的目标，充分保证集群稳定高效的运作。

业务痛点

企业在应对业务部门的扩张以及数据融合创新时，通常会针对不同的项目场景引入不同的数据模型以及大数据产品。这些产品和模型为企业解决了海量多源异构数据的存储管理难题，但与此同时，产品服务的可靠性问题也为企业带来了挑战。服务需要持续高效、稳定、可靠的运作，对于企业运维团队来说需要做到有问题及时发现，资源不够及时扩容，出现故障迅速修复，以防止出现服务器长时间宕机、业务长时间中断、数据丢失等问题。

企业如果采用了大量分布式架构的大数据组件，那么运维人员需要掌握每一款大数据产品的相关知识，极大地增加了企业的运维成本以及运维人员的学习成本。并且由于缺乏统一的运维入口，传统的查询运维难以完成指标数据的可视化，极易缺乏或遗漏关键监测指标。在数据碎片化、监控对象粒度庞大的情况下，自动化监控难以实现，无法保障企业及时发现故障异常并进一步排除业务隐患。

基于多年以来在大数据运维方面积累的丰富经验，星环科技推出的Aquila Insight多模数据平台监控软件，具备高安全性、高易用性的特点，可以及时帮助企业发现问题并解决问题，为用户提供平台级大数据系统的交互式运维解决方案，保障产品可靠稳定的高性能运转。

软件功能

Aquila Insight将星环全线产品的运维数据集成起来，打通跨产品、跨服务、跨集群的运维窗口，提供一站式自动化的运维分析、完备的功能配置，满足不同的运维场景需求。通过可视化的系统监控平台，运维人员可以对系统负载，平台运行状况等指标进行统一管理与监控。多方面多维度的集群监控、预警、分析以及状态检查机制，充分赋予了运维人员解决系统异常的能力，对于潜在的严重问题，Aquila Insight预置的告警通知设置能够及时预警，实现事前预警、事中告警、事后分析的全阶段运维。

Aquila Insight预置了大量的运维规则，提供54个预置仪表盘，124条告警规则，用户可以根据自身运维场景来设置不同的运维模块组合，对产品的可用性、性能、业务负载等进行全方位监控。

丰富的告警规则设置，全方位监控预警

Aquila Insight基于指标和日志数据进行实时运算，帮助用户及时感知平台健康状态，搭配丰富的告警规则可以满足用户大量场景化的告警预警。

审计告警：支持监测安全侵害事件，如越权操作、非法入侵；

状态告警：支持对用户活动带来的异常状态告警，如慢查询过多、在线事务过多、连接数过多等，支持对数据库异常状态告警，如锁超时、相关服务不可用等；

资源预警：支持对资源情况预警，通过摘要模板，精确显示具体的告警对象，如某服务内存不足、某中间件CPU占用过高等；

用户可以在告警查询页面中方便地管理告警信息，进行故障排查。系统提供基于告警规则，历史告警记录的查询，用户可以更高效的追溯历史事件，进行问题回顾。同时，系统汇集了不同系统来源的告警，将基于不同告警规则生成的告警通知以邮件或者Webhook的形式分派给对应的运维人员，进一步提升告警功能的易用性与告警处理效率。此外，Aquila Insight也支持告警分组、静默、告警抑制等功能，可有效避免告警风暴，凸显关键告警。

日志管理与分析

Aquila Insight预置了平台以及租户级别的日志搜索规则，开箱即用。为了帮助用户更高效的追溯故障发生的上下文并迅速定位故障原因，Aquila Insight支持星环大数据产品的日志收集、导入导出、查询，为用户提供了丰富的筛选条件，如：关键词、参数、上下文等查询方式。并且系统支持审计日志的检索与报表展示，可以使用日志搜索检测安全侵害事件、操作不合规行为以及其他与数据库或SQL相关的问题。平台预置了搜索过滤器，用户可以选择保存搜索条件，便于后续复用搜索。为了提高告警效率，平台还支持一鍵告警，通过与告警功能联动，用户可以直接根据日志搜索结果进行告警设置。

高效的计算引擎监控、SQL监控与告警

Insight Server的可视化页面支持用户查看server以及executor的健康状态以及指标信息，如CPU、内存、GC等情况。除此之外，用户也可以查看实时、历史、每天/每小时的TOP SQL查询，以及根据查询的特征进行实时告警，告警历史查询等等。

SQL查询

运维人员在SQL运行效率慢或卡住的情况时，通常需要通过查看计算引擎的server、executor的jstack来排查此时引擎正在执行什么任务，卡在了哪行代码，定位线程长时间停顿的原因。虽然有一些性能分析工具可以帮助运维人员去排查问题，但是这类工具通常会给用户展示大量的细节信息和数据，需要花费大量时间跟精力来优化可能并不重要的地方。

Insight Server引入了火焰图（Flame Graphs），火焰图以一个全局的视野列出所有可能导致性能瓶颈的调用栈，可以快速帮助运维人员查看函数执行的频繁程度、哪些函数经常阻塞以及分析程序的性能瓶颈等。

Aquila Insight支持用户查看当前集群中有哪些类型的数据库和表，更直观的为用户实时展示当前数据库与指定表的统计信息。并且针对部分组件（如ArgoDB，Slipstream、Time Lyre），Aquila Insight提供完备的监控信息展示与统计，如支持流任务状态查看和管理、任务指标查看、库表信息查看、存储健康状态、读写情况展示、事务与锁的情况等。当多个事务都需要对某一资源进行锁定时，默认情况下会发生阻塞。被阻塞的请求会一直等待，直到原来的事务释放相关的锁。因此，监控SQL事务至关重要，通过精准定位到导致阻塞的SQL任务，用户可以有针对性地对其进行监控，从而解决阻塞问题。

Aquila Insight提供给了用户一个可视化的事务监控图，每个方块代表一个PLSQL，其中a指向b，则表示SQL a涉及的事务在等待SQL b的事务。橙色的节点表示导致整个SQL事务等待的关键SQL，由于耗时较久因此后面的事务被阻塞，用户仅需针对这个SQL进行优化，即可解决其他事务阻塞的问题。