zabbix + python 监控leveldb日志

目录

  • 监控需求
  • 监控脚本
  • 总结

监控需求

日志里面包含了许多需要注意的信息,返回码、响应时间、请求ip等等。网上有不少监控的工具,比如elk。但结合已有的监控,我决定用python把数据分析出来,存放到redis里面,用zabbix做可视化。监控到每台机器上leveldb的平均每分钟响应时间和超时次数。

监控脚本

pip install redis datetime

#!/usr/bin/python
from datetime import datetime,timedelta
import time
import os,sys
import redis
import mylog
count = 0
alltime = 0
avetime = 0
count1 = 0

###
利用生成器,倒叙读日志
###

def read_reverse(filename):
    f = open(filename)
    f.seek(0, 2)
    last_position = f.tell()

    while True:
        line = f.readline()
        current_position = f.tell()
        i = 1
        while current_position == last_position:
            if len(line) == current_position:
                yield line
                return
            i += 0.5
            f.seek(max(int(-72 * i), -current_position), 1)
            line = f.readline()
            current_position = f.tell()

        while current_position != last_position:
            line = f.readline()
            current_position = f.tell()

        yield line
        last_position = last_position - len(line)
        f.seek(max(-72, -last_position) - len(line), 1)

###
格式化时间,为了防止遗漏数据,统计上一分钟的nginx日志
###
time0 = datetime.now()
time1 = datetime.now() - timedelta(minutes = 1)
time2 = datetime.now() - timedelta(minutes = 2)
format = '%Y-%m-%d:%H:%M'
Time1 = time1.strftime(format)
Time2 = time2.strftime(format)

ms = "ms"
try:    
    f = read_reverse('/path/access.log')
    for line in f:
                c = ':'.join(':'.join(line.split(" ")[1:3]).split(".")[0].split(":")[0:3])        
                b = line.split(":")[-1]                
                if (c == Time1):                     
                      if(b[-3:-1] == ms ):
                          count = count + 1
                          alltime = float(b[0:5]) + alltime
                          avetime = alltime / float(count)
                          avetime = round(avetime,3)
                          if(float(b[0:3]) > float(20)):
                             count1 = count1 + 1
                          else:
                             pass
                elif (c == Time2):
                      break
except e:
    mylog.logging.error('%s %s' %e %Time1 )

###
写到redis中,zabbix-agent直接从redis中捞数据即可
###    
try:
    r = redis.Redis(host = ip,port = port,password = pwd)
    r.set('level03_count', count1) 
    r.set('level03_avetime',avetime)
except e:
    mylog.logging.error('%s %s' %e %Time1 ) 
sys.exit()

总结

个人写的很挫的脚本之一。。。被师傅说过好多次。虽然实现了功能,但还有很多需要优化的地方,比如各个变量的命名非常之不规范,比如时间模块没有单独拎出来等等。写的比较混乱,本着开源(不要脸)精神,还是贴出来记录下,小白可以借鉴下,各位大神勿喷😭

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,084评论 6 503
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,623评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 163,450评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,322评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,370评论 6 390
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,274评论 1 300
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,126评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,980评论 0 275
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,414评论 1 313
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,599评论 3 334
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,773评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,470评论 5 344
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,080评论 3 327
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,713评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,852评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,865评论 2 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,689评论 2 354