监控利器Nagios原理教程（即、Nagios怎样报警？）

今日写一篇关于nagios的教程吧。（本文乃初级原理教程，适合新手阅读。）

早些年刚刚接触nagios的时候看过好多书籍，印象中，这些书籍内容都很多，讲解十分详细。很多时候、书籍作者干脆会把某项配置所支持的参数全都列出来，可是这样对于新手来说，可能就不知所云了，几乎就是扫一眼就翻过去了，等花了好长时间终于把一本书看完了，也就全忘的差不多了，也不知道都看了些什么，和没看过一样。这种讲解十分详细的书适合那些已掌握基础的人员去阅读、以进一步提高，但是对于刚入门的读者来说，这简直就像天方夜谭一样。

所以本文将用最通俗的语言为您讲解nagios的基本监控原理。

即、nagios是怎样进行监控的？nagios如何知道系统或服务挂掉了？以及挂掉时怎样发送报警信息？

参考书籍：
1. 《nagios网络监控中文版》（supermeng 2008年 版）
2. 《nagios3完整配置文档》第一版 整理：守住每一天： Blog:liuyu.blog.51cto.com

感谢前辈们的辛勤付出。

“如果我能看得更远，那是因为我站在巨人的肩膀上” ----- 牛顿。

本文版权遵从于GNU版权第二版，禁止商业用途，转载请注明出处。

安装过程：略。（以下所有内容都假设nagios已安装在/usr/local/nagios目录中）

##################################################################################
# 正文开始：

首先，我们知道，nagios只是一个框架，其本身并“没有”真正的监控功能，实现监控的都是nagios的插件，而插件可以使用任何语言编写，这就使得nagios的扩展性极强。只要搭建好nagios环境，用任何合适的语言都可以写出适用的监控程序。

Nagios对于其使用的插件仅有两点要求：

第一、程序至少有一行输出（最好别多于1行），这一行输出将会显示在nagios的页面上。

例如下图：





监控使用的插件程序输出什么内容，这里就会显示什么。
当发送报警信息（如：短信或邮件）时，发送的正文内容也会是插件程序输出的内容。

如果程序没有输出，即便收到短信等，也不知什么东西挂了。
所以输出“对服务的描述”是很有必要的。
况且、如果程序没有输出，nrpe会报如下错误：
NRPE: Unable to read output
所以一定要有输出。

程序的第一行输出将会被保存在$SERVICEOUTPUT$这个宏中
如果输出多于一行，多余的输出将被保存在$LONGSERVICEOUTPUT$这个宏中。
建议输出不要太多，简单的能描述问题即可。毕竟没人愿意阅读像作文似的报警信息。

第二，nagios要求插件程序必须有返回值，且只能是0，1，2，3中的一个。
其中： 0表示 正常。 返回值为0的监控项会在其页面上显示一个绿色的OK。
1表示 警告。 返回值为1的监控项会在其页面上显示一个黄（浅黄）色的warning。
2表示 紧急。 返回值为2的监控项会在其页面上显示一个红色的critical。
3表示 未知。 返回值为3的监控项会在其页面上显示一个棕?(深黄?)色的unknown。





(天呐，unknown那个是什么颜色？棕还是深黄？我眼睛肿么了？)

只要你的插件程序符合这两点要求，那么报警的事情就交给nagios来处理吧。

那么，nagios会在何时发送报警信息呢？答案很简单：当你的插件程序返回值发生变化时。

例如：
返回值从0变成1，表示从OK状态变成WARNING状态，此时nagios是一定会自动通知你的，你只要喝着茶等短信或邮件就行了。

返回值从2变成0，表示从紧急CRITICAL状态变成OK状态，也就是故障恢复了，此时nagios也会通知你一下的，怎么样？很人性化吧。

如果某监控项的状态一直是非0状态（warning,critical,unknown中的一个),那么nagios会每隔20分钟向你发送一条报警信息，当然，这个间隔的时间你也是可以自己设定的，默认是20分钟。

如果监控状态一直是OK，那么什么信息也不会发送，nagios不会去打扰你的。

下面，我们就开始编写第一个监控插件吧，编写插件的语言任意，但绝大多数都是用shell，这里就用BASH为大家演示一个最简单的监控插件。

设定需求为：
假设/opt/myproject/status这个文件会保存某程序的运行状态
当文件的内容为computing时表示程序正在进行计算,此状态可以认为是正常的。
当文件的内容为blocked时表示程序由于某些原因被挂起了，但是进程还在，此时发个警告即可。
当文件的内容为killed时表示该程序由于某些原因被kill了，进程已不在，此为严重故障。

监控脚本为：
#!/bin/bash

logdir=/opt/myproject

logfile=$logdir/status

status_ok=0

status_warn=1

status_critical=2

status_unknown=3

[ -f $logfile ] || {

echo "logfile:$logfile not exist or type error!"

exit $status_unknown

}

content=$(cat $logfile)

if [ x"$content" = x"computing" ];then

echo "OK，process is computing"

exit $status_ok

elif [ x"$content" = x"blocked" ]then

echo "Warn.process is blocked"

exit $status_warn

elif [ x"$content" = x"killed" ];then

echo "Critical.process is killed"

exit $status_critical

else

echo "Unknown error.Can not read from logfile:$logfile"

exit $status_unknown

fi

OK ,脚本编辑结束，将此脚本保存为/tmp/check_process_status.sh，再加上可执行权限后即可执行之进行监控了。

那么，nagios是如何使用它进行监控呢。首先来看下监控项的配置语法吧。
define service {

use remote-service

host_name myhost.mydomain.com

service_description process_status

check_command check_process_status

}

1.每一个监控项，都需要为之定义一个“服务”，如代码第一行：define service
2.第二行中的“use remote-service”的含义是：该监控项使用“remote-service”这个默认的模板。
模板的内容将在下一篇博文中讲解（高级内容）
3.第三行：host_name定义了该监控项是属于哪台机器的，也可以说成是你要为哪台机器添加此监控。
这里我设置的是为“myhost.mydomain.com”这台机器添加这项监控。
4.第四行：这项监控项的描述。这里设置的值将会显示在nagios页面的"Service"字段。如下图：





图中的监控项，配置文件中的内容是：service_description Zombie Processes
所以这里的Service字段显示的就是“Zombie Processes”,也就是说：Service_description后面写什么，nagios页面的Service字段就会显示什么。
5.第五行：check_command 定义该监控项使用哪个“nagios命令”来进行监控，此“nagios命令”的名字随便起，叫什么都行，叫abcd也行，叫xyz也行，但是通常都会使用一个“见名知意”的命令名，这里我设置的命令名字是“check_process_status"，nagios在运行时就会调用名字为“check_process_status"的命令。

但是这个命令是什么含义呢？nagios并不知道，所以需要我们来对这个命令进行定义，定义命令的格式如下：

define command {
command_name check_process_status
command_line /tmp/check_process_status.sh
}

1.第一行：define command就表示我现在要定义一个命令
2.第二行：command_name定义了这个命令的名字，只有在这里定义过的命令，才可以在nagios中使用。
本例中，我们使用了一个名为“check_process_status”的命令，但是这个命令事先并不存在，所以现在我们来定义他，之后就可以使用了。
3.第三行：command_line定义了这个nagios命令对应的“系统命令”，该“系统命令”可以是二进制可执行程序，也可以是任何可执行的脚本。所以，嗯嗯，我们刚刚编写的脚本当然也就可以使用了，so，把脚本的全路径写进去吧。

这样，一个nagios的命令就定义完了，这4行代码将会告诉nagiso主程序，你可以使用一个名字为“check_process_status”的命令，使用这个命令，就相当于使用如下系统命令:/tmp/check_process_status.sh

这样，一个监控项就添加完了。而这个监控项使用的监控程序、就是我们自己编写的shell脚本。是不是很方便呢？

监控已经添加完了，那么，当服务故障时，nagios又是怎样进行报警的呢？

我看过很多书籍和文档都是从低往高那么讲，这样读起来仍然会迷糊，所以本人将反过来说，这样思路就会更清晰。

如果某监控项挂掉了，nagios主程序会自动发送报警信息给：默认的联系人组，既然是个组，里面一定有多个联系人，但也可以是1个，>=1。所以我们首先要定义这个联系人组都包含哪些联系人，语法如下：

点击(此处)折叠或打开

define contactgroup {

contactgroup_name admin

members zhangsan,lisi

}

这里定义了一个名为“admin”的联系人组，这个组包含“zhangsan”和“lisi”这两个联系人。
nagios默认使用的联系人组就是admin组，所以我们为admin组添加zhangsan和lisi这两个人以后，
nagios主程序就会自动发送报警信息给这两个人了。

但是怎样发信息给某个人呢，那么就需要设置这个人的联系方式，定义单个联系人的语法为：

点击(此处)折叠或打开

define contact{

contact_name zhangsan # 联系人名字为：zhangsan

use generic-contact # 该联系人使用generic-contact这个联系人模板

service_notification_commands notify-to-zhangsan

# 当服务挂掉时，使用“notify-to-zhangsan"这个命令向zhangsan发送报警信息

host_notification_commands notify-to-zhangsan

# 当主机挂掉时，使用“notify-to-zhangsan"这个命令向zhangsan发送报警信息

}

OK，联系人也定义完了，当nagiso要向zhangsan发送报警信息时，就会调用“notify-to-zhangsan”这个nagios命令来进行报警了。

那么这个命令是什么呢？原理和上面讲过的check_process_status命令相同，只要为这个命令指定要使用的系统命令的全路径就行了。比如想用邮件报警，那么可按如下方式来定义：

点击(此处)折叠或打开

define command {

command_name notify-to-zhangsan

command_line echo " ** $NOTIFICATIONTYPE$ Service Alert: $HOSTNAME$/$HOSTADDRESS$ $SERVICEDESC$ is $SERVICESTATE$\n\nDate/Time: $LONGDATETIME$ Additional Info:$SERVICEOUTPUT$ "| formail -I "Subject: $HOSTADDRESS$*$SERVICEOU

TPUT$*$LONGDATETIME$"| sendmail -oi $CONTACTEMAIL$

}

command_line中很长，但是仔细看，我们设置的是echo一大段字符，之后通过管道传递给sendmail命令来进行发送，而echo的那一大串字符，就是nagios的内置宏了，如：
$NOTIFICATIONTYPE$表示通知的类型，他是“Problem”和“Recovery”中的一个。
$HOSTNAME$是该监控项所属主机，即定义服务时、写在host_name后面的字符串
$SERVICEOUTPUT$是插件的第一行输出，也就是你脚本echo或print的内容了。你输出什么，这个变量就是什么值。
等等等等，不一一列举。

这样就完成了报警。

最后再从头描述一遍报警过程和添加监控项的过程吧。

报警过程：

当nagios主程序发现插件的返回值为非0时，将会发送报警信息给默认联系人组，联系人组包含了至少1个联系人，nagios会发送给所有的联系人。每个联系人都可以单独设置发送报警使用的命令。而这个命令，使用define command来定义的，可以定义成任何系统命令（包括脚本）

添加监控项过程：

1.define service定义一个监控项，并为其指定所属主机，描述，监控使用的命令
2.define command定义上一步中使用的那个命令

完成。

以上所有需要定义的监控项、命令、联系人、联系人组等，都可以在任意文件中编写，只要在主配置文件中指定该文件的全路径即可。但是通常我们都写到一个约定俗成的文件里，如：定义命令通常是在commands.cfg里面，而定义联系人和联系人组是在contact.cfg这个文件里，等等。所以你只要在相应文件里添加响应的定义即可。

本文2012-04-12就开始写了，但是最近一直有事，直到今天（2012-04-25）才写完，写得比较快，有很多事情都没交代，今后会不断完善修改。