选择合适的监控指标 确保跨境电商网站业务稳步增长

[cloudwise]

作者介绍：余劲， Crazysales 公司 IT 负责人，拥有 18 年以上的代码编写经验， 15 年 Java/PHP 应用经验， 13 年的电子商务行业经验， 8 年软件架构设计经验和丰富的项目开发管理经验，对软件工程有深入研究，曾帮助一外资企业成功通过 CMM L4 和 CMMI L5 评估，善于 WEB 应用软件分析、开发，成功带领团队开发和维护多个大型跨国交易网站。
Crazysales 是一家典型的跨境电商企业， 不仅是 eBay 等大型电商平台上的大卖家，同时拥有多个自营电商平台，在中国也有多个品牌在运营，为广大用户提供完整的网购服务。

欢迎大家投稿： [e-mail]
联系 QQ ： 614117760

跨境电商经历 2014~2015 年的爆发式增长已经进入成熟发展阶段，据统计， 2015 年年底我国海淘市场规模达到 2400 亿元，同比增长 60%，海淘人数达到 2400 万人，预计在 2018 年，市场规模将达万亿级别。早期政策和人口红利带来的诸多利好因素逐渐成为过去，随着各大综合型电商纷纷布局海淘市场，以及大量个性化、差异化海淘网站的上线，如今的跨境电商已经成为竞争激烈的红海市场，电商企业要在激烈的竞争中确保业务稳定增长，必须对作为业务支撑的网站和 APP 性能进行准确的监控，选择合适的关键业务监控指标尤为重要。

跨境电商企业从资本积累到高速发展，再到业务扩张，网站(系统)对于 IT 技术架构的要求会根据业务变化不停地变化。在整个过程中，监控的内容和指标类型是基本不变的，变的只是数字。众所周知，对外网站的访问量是衡量网站的重要指标之一，它在系统后面的反映就是压力，是处理各个级别访问量的能力。一般细分出来有： 1. 磁盘 I/O ； 2. 内存使用量； 3. 内外网络的带宽； 4. CPU 使用率； 5. 数据库的 Select QPS 等。

根据我们的经验，当系统架构由三台或以上的独立服务器协助完成的时候，需要在内部对每台服务器以上几个指标进行监控，这样才能让我们及时发现瓶颈，优化性能时才会更有重点和高效。如何使用这些监控指标呢？

结合我们跨境电商企业的网站特点，网站一开始对数据库的依赖大的特征做一个简单分析：数据库(MySQL) 在从一个库到多个库的发展过程中，时常会变成整个系统最大的瓶颈，每当网站访问量提高 10%， MySQL 的 CPU 使用波动和输出网络带宽就会出现很大的增长，如果后台系统同时对数据库进行读写操作时，更容易导致前台网页出现 500 错误。在架构壮大之前，导致的原因往往是 MySQL 出现大量（查询时间长）的 Select 操作后，引起数据库进行表级别的 Lock(MyISAM 引擎的特征)所导致的。

这又引出一个疑问了，在这么多的系统和代码中，怎么样发现这类问题，并进行优化呢？通过对监控数据长时间的观察， CPU 的波动一般都是正常的，它成为瓶颈的机率很少，除非程序出现死循环。现代的磁盘性能已经很高了， I/O 性能在使用 HA 架构后，会根据 I/O 指标来决定增加磁盘（无缝完成），所以 I/O 也不会是瓶颈。如果项目管理到位，内存使用是严格控制的，需要大量内存消耗的功能，必须要向架构师申请，不允许私自写大数据到内存。最后，内外网络的带宽的变化是最大的，最容易反应各个系统运行情况的一个指标，当有一定历史监控数据之后，更容易发现整个系统架构的性能瓶颈。

例如某次，通过云智慧监控宝发现网页的响应时间比平常多出 5 倍，工程师迅速对数据库和各个独立系统的监控数据进行分析，发现如下情况：



图一



图二
经过两张图的对比，发现一台服务器的进来的网络流量(图一， Incoming network traffic)变化正是另外一台服务器出去的网络流量(图二， Outgoing network traffic)变化一致，范围缩小，我们的内部监控是针对每个功能节点的，而刚好这个 Outgoing network traffic 正是数据库出去的流量，可以肯定另外一台服务器（图一）提取了不应该的数据了（在访问量不变的情况下，对比了历史监控数据，没有发现以前有这么多数据流动）。范围进一步缩小，很快定位问题在这个功能点，接下来就是针对性地进行程序或系统的优化了。这是监控宝通过监控响应时间的变化，从而发现问题的实例。

监控宝对跨境电商还有另外一个重要作用，就是准确感知海外服务器的网络状况，通过监控宝部署在不同国家的监控点对网站运行状态进行观察，很容易区分是外部网络故障还是内部系统故障。



图三
如上图，我们的网站服务器是星状部署模型, 有一个中心数据(系统)源，而监控宝在各国国家都有落地的监控点，所以我们利用这个特性，在监控宝创建了一个直接指向我们中央服务器的监控项目，让它收集从不同的地方的到我们中央服务器的监控数据，汇总到如下图：



图四
这里每一条线代表中央服务器对不同国家的响应时间，蓝色箭头这里(5 月 15 日)，加拿大响应时间超过 2000ms ，而其它国家回来的数据是正常(1000ms 左右)。这说明加拿大到我们的中央服务器链路有问题。红色箭头（ 7 月 3 日） 情况看到是所有国家的响应时间都很高（接近 3000ms ），说明我们的数据源服务器内部出现问题了，我们的工程师翻查内部系统日志，也印证了这一个结论。

以上是根据我们的架构特性积累的经验，并不一定适合每家跨境电商，正如本文开头提到的，每家公司的发展阶段不同，可投入的 IT 资源不同，遇到的问题和解决方案当然也有差异。这就要求 IT 部门熟悉掌握技术架构的同时，对企业的具体业务模式有深入的了解，通过细致的数据观察和分析，才能找到业务增长的主要监控指标和辅助指标，让网站技术和公司业务一起稳步增长。