上报数据者直接是结果的受益者，并对其负责：因为上报数据的人直接是对最终的图表和监控负责的，他有最大的动机去选取合适的指标来帮助自己理解被监控的代码。这种模式可以避免“玩日志”的那帮人和那些平台出现。处理数据的人如果不负责被监控的业务，而上报数据的人不直接决定最终的图表，那么两方都做不好。

signalfx (Metrics + Streaming Analytics + Interaction = Monitoring Evolved) [链接]

告警系统的误警和漏警如何计算？在线上运行的告警设置必然是会受到骚扰频次的限制。门限设得过高就可能会漏警。但是如果每天执行一次告警质量的检查算法，然后给出一堆疑似的漏警和误警，然后结合人工辅助可以更快地发现漏警和误警的情况。

这个世界上开源和收费的监控系统实在是太多了，而不是太少了。无论是传统的nagios，ganglia，还是所谓的云监控系统。它们的工作方式其实都差不多，安装一个agent，上报数据，然后花花绿绿的图表就显示在web界面上了。无论这些系统如何包装，前端写得多么漂亮，一看截图十有八九图例是“cpu1”，“cpu2”。cpu使用率，内存，...

背景 任何一个产生环境的IT系统如果要长久下去，必须对其进行监控告警。常见的实现分为三个部分 采集目标系统的指标，并上报到中央服务器 对指标按时间窗口进行统计，并存储成为曲线 对曲线进行异常检测，在必要的时候告警通知运维人员 在过去，对于第1、2两点我们已经积累非常多的文章和工具来谈论如何来实施一个“监控...