运维监控系统，按什么视角去建设？

1、监控主要分为这样几个维度：资源监控（含操作系统、数据库、中间件、网络、存储、硬件以及环境）、应用监控（应用运行的状态，如进程、日志、状态等）、交易监控（如交易量、响应时间、成功率等），还可抽象到业务级监控。所以监控环境的搭建需要根据企业运维要求，按照不同纬度、不同层次进行监控

2、当发生问题的时候一定是监控平台发现故障，至于问题定位上简单故障（如硬件等）可直接定位，如复杂故障需要借助其它的分析方法

3、发现问题后先根据事件级别生成事件单，运维人员保留现场恢复生产，然后有事件单专为问题单再详细分析根本原因，记录知识库。

个人建议：

1、首先以公司核心业务系统为主，做尽量全方位的监控，远离IT服务价值为目标，只为建立监控系统而做的监控不过是耍流氓而已。所以可以对相关系统按重要性、系统类型、设备分类等多个维度进行监控分类。

2、当实际问题发生时，监控系统的报表或监控日志将作为问题分析和排查的重要依据，如果还需要重新从最低层的日志进行分析的话，排查效率将会十分低下，如果加上企业IT运维管理人员的变更，将可能造成重大经济损失。

3、当问题发生后，标准的ITSM流程应该是立即生成一个ticket请求，由服务台进行任务或事件分配，由相应的工程师解决问题后进行关闭请求，如果未解决将为失败关闭该请求，一直到有新的解决方案后，该问题将彻底关闭。

4、建议去参加相关ITSM流程优化等方面的培训。

目前我正在建设本公司的运维监控系统，基本覆盖了所有的服务器，数据库，虚机，网络设备，机房温湿度仪。请问，按照尽可能全方位的监控原则，还有哪些项目应纳入监控范围。

目前我这的监控机制如下，监控系统每分钟轮询各监控项目，当发现目标系统触发规则就报警，通过短信发送到相关干系人手机。目前设定的规则主要有以下这些：

1.目标系统无法被检测到+持续一段时间

2.磁盘剩余空间预警

3.数据库表空间，备份，lock ,latch

4.服务器某项硬件资源使用率达到100%+持续一段时间

5.网络设备检测到流量突然达到超过某个baseline + 持续一段时间

6.机房温度超过某个数值

请问，一般还有哪些常见规则，应触发告警

我们公司有很多创新项目，当这些系统发生故障，并没有历史资料库可做参考的情况下，一般定位问题的方法流程是如何的？

可以考虑增加一下中间件的性能监控

问题发生应该以解决故障为目标，推荐快速不留现场然后解决事件，之后再解决问题

根据你工作中的实际操作，确认哪些是你要关心的（状态是否正常），进行输出结果的监控不就可以了嘛