ubuntu – Icinga – 分布式环境中的检查延迟非常高

我有一个分布式Icinga设置如下：

CENTRAL

Receives passive check results only

distributeD A

227 hosts

835 services

distributeD B

67 hosts

243 services

CENTRAL服务器始终低于1秒的平均检查延迟. distributeD B目前的平均检查延迟约为10秒,但即便如此,我们会增加更多检查.

distributeD A有一些严重的检查延迟问题(有时多达700秒,更少,只是在重新加载后但它会重建),我似乎无法确定.这是当前的icingastats输出：

Icinga Stats 1.10.3
copyright (c) 2009 Nagios Core Development Team and Community Contributors
copyright (c) 1999-2009 Ethan galstad
Last Modified: 02-11-2014
License: GPL

CURRENT STATUS DATA
------------------------------------------------------
Status File:                            /var/lib/icinga/status.dat
Status File Age:                        0d 0h 0m 3s
Status File Version:                    1.10.3

Program Running Time:                   1d 17h 30m 44s
Icinga PID:                             1160
Used/High/Total Command Buffers:        0 / 11 / 4096

Total Services:                         839
Services Checked:                       839
Services Scheduled:                     839
Services Actively Checked:              839
Services Passively Checked:             0
Total Service State Change:             0.000 / 6.250 / 0.007 %
Active Service Latency:                 644.742 / 776.293 / 729.813 sec
Active Service Execution Time:          0.010 / 20.163 / 0.720 sec
Active Service State Change:            0.000 / 6.250 / 0.007 %
Active Services Last 1/5/15/60 min:     18 / 274 / 717 / 839
Passive Service Latency:                0.000 / 0.000 / 0.000 sec
Passive Service State Change:           0.000 / 0.000 / 0.000 %
Passive Services Last 1/5/15/60 min:    0 / 0 / 0 / 0
Services Ok/Warn/Unk/Crit:              835 / 2 / 1 / 1
Services Flapping:                      0
Services In Downtime:                   0

Total Hosts:                            227
Hosts Checked:                          227
Hosts Scheduled:                        227
Hosts Actively Checked:                 227
Host Passively Checked:                 0
Total Host State Change:                0.000 / 0.000 / 0.000 %
Active Host Latency:                    0.000 / 772.310 / 726.904 sec
Active Host Execution Time:             0.006 / 0.338 / 0.030 sec
Active Host State Change:               0.000 / 0.000 / 0.000 %
Active Hosts Last 1/5/15/60 min:        14 / 22 / 196 / 227
Passive Host Latency:                   0.000 / 0.000 / 0.000 sec
Passive Host State Change:              0.000 / 0.000 / 0.000 %
Passive Hosts Last 1/5/15/60 min:       0 / 0 / 0 / 0
Hosts Up/Down/Unreach:                  227 / 0 / 0
Hosts Flapping:                         0
Hosts In Downtime:                      0

Active Host Checks Last 1/5/15 min:     14 / 28 / 192
   Scheduled:                           14 / 26 / 188
   On-demand:                           0 / 2 / 4
   Parallel:                            14 / 27 / 190
   Serial:                              0 / 0 / 0
   Cached:                              0 / 1 / 2
Passive Host Checks Last 1/5/15 min:    0 / 0 / 0
Active Service Checks Last 1/5/15 min:  31 / 276 / 702
   Scheduled:                           31 / 276 / 702
   On-demand:                           0 / 0 / 0
   Cached:                              0 / 0 / 0
Passive Service Checks Last 1/5/15 min: 0 / 0 / 0

External Commands Last 1/5/15 min:      0 / 0 / 0

这似乎不是一个外部检查缓冲区问题,因为它总是0.我已经玩了收割机设置,并尝试了各种组合的最大收割机检查时间(5,10,30)和收割机频率(1,5,10)似乎什么都没有带来时间.

检查status.dat,并不是说某些检查正在推动平均值上升.所有服务检查和主机检查都显示平均延迟(700秒).检查全面的执行时间是否很低.绝大多数是> 1秒.从那里,有143个检查需要超过1秒但不到2秒.有50个检查需要4秒. 4点检查超过这一点,分别为8秒,10秒,17秒和20秒.这些数字似乎并不表示实际的检查时间问题.

服务器本身并不是资源方面的困难,cpu和内存都很好.另外值得注意的是,CENTRAL和distributeD A服务器位于相同的物理基础架构上,尽管是不同的VM.

我不确定这会完全解决你的问题,但这里有一些地方可以看.

您似乎正在使用Icinga v1,这意味着您有一个完全顺序的Icinga核心.这意味着它在检查后运行检查.如果您的检查花费的时间过多,则会产生延迟.此外,如果您在检查后要执行某些操作,这也会延迟下一次服务检查(如NSCA发送或其他),以至于它确实可以完全杀死您的表现.所以,这是你不会直接测量的东西,因为这不是机器负载的问题,而是Icinga负载的问题.

释放Icinga实例负载的解决方案之一是使用额外的工具.对于分发检查,您可以使用mod gearman.这通常用于制作nagios / icinga设置比例.
如果您使用NSCA,我们开发了a tool以使发送异步从此负担释放Icinga.

我希望这将有所帮助.