线上的服务 怎样才能保证做到不挂呢? 监控, 通知机制之类的

[geew]

今天刚到公司, 就有人通知说主页挂了, 进服务器启动了, 查了下日志, 发现
OSError: [Errno 28] No space left on device: '/tmp/tmp3_Jyjd'

服务都是用supervisor在跑的, 遇到这种问题该如何才能做好监控工作呢, 尽量保证服务不挂, 谢谢大家了

[saber000]

简单的话我在我树莓派跑的服务用upstart自动重启+crontab定时监控并告警

[Livid]

外部监控可以用 Pingdom，监控宝，AWS 这些来看服务是否可用。

内部状态的话，可以用 New Relic 监控 CPU，磁盘，内存和网络等。

[hging]

@Livid newrelic监控程序也相当不错.

[yangxin0]

用erlang/otp吧完善的监督重启机制

[lincanbin]

内部的话可以添加定时任务，定时wget主页，然后如果出错就restart service。

[BackBox]

监控包 New Relic monit 就够了。

[weegc]

运行服务监控的话，比如nginx、php之类的，自己写的watchdog.sh 监控，报错退出了，自动重启服务
监控服务器cpu，disk，memory状态的话，很多开源的东东可以使用，不过我还没有用上这方面的东东