راه اندازی مانیتورینگ شبکه یعنی تجهیزات و سرویس های مهم را فهرست کنید، وضعیتشان را به طور مداوم بخوانید و برای هر مشکل واقعی به آدمی هشدار بدهید که می تواند اقدام کند. ابزار مهم است ولی ترتیب کار مهم تر است: اگر ندانید چه چیزی را و چرا مانیتور می کنید، نرم افزار گران قیمت هم فقط یک داشبورد رنگی می سازد.
این مقاله نقشه راه طراحی مانیتورینگ، انتخاب روش جمع آوری داده و تعریف هشدار است. آستانه های جدول مثال اولیه اند و باید با رفتار سرویس شما تنظیم شوند. برای اجرای ابزار، از راهنمای نصب Zabbix و مستندات نسخه مورد استفاده شروع کنید؛ آزمایش هشدار، رفع هشدار و جلوگیری از هشدار تکراری را پیش از استفاده عملیاتی انجام دهید. در این مقاله نتیجه آزمایش یک استقرار مشخص گزارش نشده است.
مرحله اول: چه چیزهایی را مانیتور کنیم؟
قبل از نصب هر ابزار، فهرستی از چیزهایی بسازید که توقفشان کار سازمان را می خواباند. معمولا چهار گروه کافی است:
- لینک اینترنت و تونل های بین شعب: قطعی و پایداری
- تجهیزات اصلی: روتر، فایروال، سوئیچ های مرکزی، اکسس پوینت ها
- سرورها: پردازنده، رم، دیسک، وضعیت RAID، سرویس های اصلی
- سرویس هایی که کاربر حس می کند: وب سایت، ایمیل، VPN، دیتابیس، پرینت سرور
برای هر مورد یک عدد اهمیت (فوری، مهم، اطلاعاتی) و یک مسئول بنویسید. فهرستی که مسئول ندارد در عمل هشدارش را کسی نمی بیند.
مرحله دوم: روش جمع آوری داده
| روش | چه چیزی می خواند | نیاز | مناسب برای |
|---|---|---|---|
| ICMP (ping) | زنده بودن و تاخیر | باز بودن ping روی دستگاه | قطعی لینک و تجهیزات ساده |
| SNMP | ترافیک پورت، CPU، حافظه، دما، وضعیت دستگاه | فعال شدن SNMP و تنظیم community یا کاربر v3 | سوئیچ، روتر، فایروال، UPS، چاپگر |
| Agent روی سرور | دیسک، پردازه ها، سرویس ها، لاگ | نصب نرم افزار روی سرور | سرور لینوکس و ویندوز |
| بررسی سرویس (HTTP، TCP، SMTP) | پاسخ واقعی سرویس | دسترسی شبکه به سرویس | وب سایت، ایمیل، VPN |
SNMP را حتماً با نسخه 3 و رمز جدا فعال کنید و نسخه های قدیمی با community پیش فرض را روی شبکه باز نگذارید. توضیح پروتکل در SNMP چیست آمده است. بررسی ساده زنده بودن هم با ping انجام می شود که در ping چیست توضیح داده ایم.
مرحله سوم: انتخاب ابزار مانیتورینگ
انتخاب بین ابزارها را اندازه شبکه و تجربه تیم تعیین می کند:
- Zabbix: همه کاره و رایگان، برای شبکه و سرور، با قالب آماده برای تجهیزات رایج. راه اندازی را در آموزش نصب Zabbix دیده ایم.
- Prometheus و Grafana: برای سرویس ها و کانتینرها قوی است و داشبورد زیبا می دهد، ولی برای شبکه سنتی تنظیم بیشتری می خواهد. نصبش در نصب Grafana و Prometheus آمده است.
- ابزارهای سبک تر مثل Uptime Kuma: فقط زنده بودن سرویس ها را می سنجند و برای شروع کم حجم مناسب اند.
- نرم افزارهای تجاری: پشتیبانی رسمی و رابط آماده دارند، با هزینه لایسنس بر اساس تعداد دستگاه.
برای شبکه یک شرکت با ده ها تجهیز و چند سرور، Zabbix معمولا نقطه شروع منطقی است. یک نکته: ابزار مانیتورینگ را روی سروری بگذارید که با مشکل شبکه اصلی از کار نیفتد، وگرنه وقتی چیزی خراب می شود خود مانیتور هم ساکت است.
مرحله چهارم: آستانه و هشدار درست
بیشتر مانیتورینگ ها در همین مرحله خراب می شوند. چند قاعده کمک می کند:
- هشدار فقط برای چیزی بفرستید که اقدام می خواهد. پردازنده 90 درصد برای یک لحظه کار نمی خواهد، ولی دیسک سرور که 90 درصد پر است و پیوسته زیاد می شود می خواهد.
- برای هر آستانه مدت زمان بگذارید، مثلاً پردازنده بالای حد در پنج دقیقه پیاپی، نه یک نمونه.
- وابستگی تعریف کنید: اگر سوئیچ اصلی قطع شود، به جای ده ها هشدار برای دستگاه های پشتش فقط یک هشدار قطعی سوئیچ برسد.
- سطح بندی کنید: خطای فوری به تلفن یا پیام رسان برود، موارد مهم به ایمیل، موارد اطلاعاتی فقط در گزارش بیایند.
- هر هفته هشدارهای تکراری را بازبینی کنید و یا مشکلشان را درست کنید یا آستانه را اصلاح کنید.
نمونه آستانه ها برای شروع
جدول زیر فقط نقطه شروع است. بعد از دو یا سه هفته، با رفتار واقعی شبکه خودتان آن را اصلاح کنید.
| مورد | هشدار مهم | هشدار فوری |
|---|---|---|
| لینک اینترنت یا تونل | افزایش مداوم تاخیر یا از دست رفتن بسته | قطع کامل چند بررسی پیاپی |
| فضای خالی دیسک سرور | کمتر از 20 درصد | کمتر از 10 درصد یا پر شدن سریع |
| رم و پردازنده سرور | مصرف بالا در چند ده دقیقه | مصرف کامل همراه با کندی سرویس |
| وضعیت RAID و دیسک ها | دیسک در حالت هشدار (SMART) | دیسک خراب یا آرایه Degraded |
| سرویس مهم (وب، ایمیل، VPN) | پاسخ کند | عدم پاسخ به بررسی سرویس |
| UPS | کار با باتری | باتری کم و نزدیک به خاموشی |
| گواهی SSL | کمتر از 30 روز به انقضا | کمتر از 7 روز یا منقضی |
وضعیت UPS را هم با SNMP می خوانید؛ ملاحظات انتخاب و خاموشی خودکار در UPS چیست آمده است.
مرحله پنجم: داشبورد و گزارش
داشبورد اصلی باید در یک نگاه بگوید شبکه سالم است یا نه: وضعیت لینک ها، تجهیزات هسته، سرورهای مهم و چند هشدار باز. جزئیات را در صفحه های جدا نگه دارید. گزارش ماهانه، شامل درصد در دسترس بودن لینک ها، تعداد هشدار و مدت رفع هر مورد، به مدیر کمک می کند کیفیت پشتیبانی را اندازه بگیرد. اگر قرارداد پشتیبانی دارید، همین گزارش معیار بررسی SLA است.
اشتباه های رایج در راه اندازی مانیتورینگ شبکه
- مانیتور کردن همه چیز از روز اول و غرق شدن در هشدار
- نداشتن مسیر هشدار در ساعت غیرکاری: ایمیلی که کسی شب نمی خواند
- باز گذاشتن SNMP با رمز پیش فرض روی اینترنت
- نصب مانیتور روی همان سروری که خودش مانیتور می شود
- فراموش کردن بکاپ از تنظیمات و دیتابیس مانیتورینگ
- تکیه به ping به جای بررسی سرویس واقعی: سرور جواب ping می دهد ولی وب سرور از کار افتاده است
اگر شبکه دچار قطعی های مبهم است، مانیتورینگ داده لازم برای ردیابی را فراهم می کند؛ ترتیب بررسی بعدی را در عیب یابی شبکه دیده اید. برای سرورها نیز به مانیتورینگ سرور چیست سر بزنید.
منابع و مستندات رسمی
اگر تیم داخلی برای نصب، تنظیم آستانه و پاسخ شبانه ندارید، خدمات مانیتورینگ شبکه و سرور شامل راه اندازی Zabbix، تعریف هشدار و گزارش ماهانه است.
