Nagios 电邮报警管理超过 1000 个节点

节点之间有关系吗？如果有关系可以配置依赖关系 这样上级节点挂掉 下级节点就不用报了

如果节点之间没关系 那应该想办法避免报警那么容易被触发 否则如果报警都是真实的报警 那为社么要减少 不是都需要处理吗？

@wd 这个方法好，但如果没关系，如何用一封邮件来告诉我所有的报警呢？

没说要减少报警，而是要减少邮件数量的同时可以知道所有的报警。

谢谢这位兄弟回复！

r#2 @xianlin 发邮件的时候只显示统计信息，即有多少个节点报了多少种错误。如果要看详细信息就自己登陆到服务器上，或者一个专门的网站上去查看。

@panyanyany 统计信息如何得来的？从 nagios 里面写程序插件拿到么？如果有 50 个报警轮流发生，间隔 5 秒钟，统计的话得设计个窗口来统计这 250 秒内的报警吧？那么重要的报警还是得第一时间内直接发邮件了？

@xianlin 就我的了解 貌似 nagios 没有这个机制
有个思路是不要让 nagios 报警 只存一份到 db 然后自己实现报警 比如定时扫描 db 综合这段时间的所有报警生成你想要的报警信息

不过貌似动作有点太大 想要很好的实现报警逻辑还需要比较多的事情

建议用 zabbix ，有依赖管理功能

没这经验，感觉需要再跑个通知服务，监控程序通知服务的接口，由通知服务决定怎么通知

汇聚报警，当然最重要的是你的系统应该是自愈系统……而不是发单机报警

prometheus 支持告警合并，可以指定一组标签，把有同样标签集的告警合并到一封邮件里

“任何一个报警只发一次电邮，” --- 不需要每个都发，短期内可以归并。
“然后去一个定制的网页看看那些节点有问题。” --- nagios 有状态页面。

-----

简单的报警抑制：

1. 第 1 条 alert 事件： 发报警。开一个定时器。
2. 第 2 条 alert 事件开始：检查定时器已存在，消息进缓冲不发。
3. 定时器到期：把缓冲所有的消息 __归并成一条邮件__ 发出，开一个新定时器。-- 循环 1-3 ，知道缓冲区为空。

正想在生产环境部署这个监控，碰到些问题，不知道方不方便请教下，我的邮箱： [email protected]

@Lax 你说的这个可以在开源免费的 Nagios 里面实现么？还是要自己开发的？

我们的 Nagios 上有 2200 个服务器监控
主要没有懂你的意思，一般来说不可能一起全部坏了啊，怎么可能一次行收到 1000 个邮件呢？

换小米的

首次直接报警 其他服务报警或定时器到时合并报警
服务对应问题不紧急可以临时关闭服务，然后采取页面报警
紧急可以考虑上短信报警

@xianlin 我是自己写的一小段脚本做的，七八年前。没关注现在有没有其他人放出高质量的代码。
感觉你现在遇到的问题，不是开源的东西有什么你就应该用什么，否则踩坑填坑也是无底洞。先想清楚需要什么，开源能不能有现成的，如果没有就自己开工去搞一个。如果经验不足没有好思路，参考开源方案的思路设计会有帮助。

@Lax 言之有理，自己开工去搞一个这句话听起来很爷们！

@lslqtz Nagios 可以使用定时器功能？英文是叫做 notification delay 吧，好像有个参数就是 first_notification_delay

http://pagerduty.com 这个？

@xderam 应该可以不过要给钱

@xianlin 有开源的，不过等你玩明白开源的了，还不如自己写一个了呢。可能你只要开源的某个部分。具体叫啥名我忘记了，肯定有。