怎样实时监控服务器运行状态？求助一点思路

[guoyu4126]

php-fpm 在运行长时间后会突然出现假死情况，导致网站无法访问。还好客服反应快，能及时反馈到技术。 看了看日志 大概 2 个月左右会出现一次，问题一直没有排查出来。 也找不到原因

想到一种方案，在某个业务上写一些代码。 定时执行，如果返回非 200 直接发送短信到手机。。

不知道大 pro 们能不能提供一些思路， 如果能彻底解决问题更好了。

[realityone]

每天晚上低峰期重启下不就行了嘛

[Kinnice]

https://blog.csdn.net/kongcheng_001/article/details/48684115
虽然简单粗暴，但是可用

[guoyu4126]

@Kinnice 谢谢建议

[timchou]

LZ，第一步，欢迎先使用 ifuptime 来监控网站 down 机情况，好让你第一时间知道 down 了
https://www.ifuptime.com
注册码：v2exifuptime0502

第二部，可能就需要去增加一些 debug 信息，来分析 down 机时候发生了什么，来具体分析了:)

[DavidNineRoc]

探针？

[defunct9]

不开就自己搞定，无难度撒

[onion83]

12 楼的做法在某种意义上来是正确的，在业务低峰定时重启 PHP-FPM，也基本上有点经验运维的标准操作。

nginx+php-fpm 502 的问题，主要有两个：

1、php-fpm 的子进程数不够，无法再接受更多的请求（衍生思考：php-fpm 进程管理的三种模式 ）
2、因为业务原因：如慢查询、内核参数，程序本身 bug 导致，甚至是 php 自己 core 掉.

传统意义上监控，例如 ps aux 查看进程数，其实无法发现问题的，因为进程都在，只是它们都死了。
如果真的要监控，建议走 httpcheck 7 层的检查，直接检查是否包含指定内容，如果有负载均衡的话直接屏蔽掉。

开发视觉：
-----------------
如果确实要分析问题的话，可以通过三个参数 error_log、slowlog、request_slowlog_timeout 来定位，如有可能上日志分析或者自建 ELK，进行实时告警和分析.

运维视觉：
-----------------
关注 emergency_restart_interval、pm.max_requests、request_terminate_timeout 三个参数，尤其后者，可以作为对服务器资源保护的最后强制暴力手段。

“重启可以快速解决 90% 的问题” 对运维来说确实是最佳实践，对 PHP-FPM 尤其适用。

[vus520]

如果有多个 upstream，直接定时重启后端的 php-fpm 就行。

[guoyu4126]

@onion83 1

[salmon5]

supervisor+其插件 superlance 了解下，就别造轮子了

[DRcoding]

如果你只是想监控一个 http 返回状态，写个定时任务，发送一个 head 请求到你的域名或者 IP，然后买个短信接口，返回不是 200，就调用发短信的接口发短信呗。

另外，一般云服务厂商都是会提供这种简单的 http 监控功能，如我所知，阿里云。

[opengps]

2 月一次，应该不是 cpu 资源问题
关注下内存，系统句柄数，网络连接数，系统端口数等资源消耗情况，我以前的 socket 服务器，因为句柄的泄露，压力大的的时候，每周都需要手动重启下释放掉泄漏的句柄，直到后来找到问题，现在稳定运行，系统不死程序就不挂

[fortunezhang]

宝塔
一个客户用的宝塔,从来没有过假死情况。不过问题是和 lampp 的 php 不一样，具体说不出来，我遇到过几次。 很蛋疼。

[opengps]

@timchou 试用了下，感觉比 360，阿里云的更简单易用，点赞！

[lwldcr]

prometheus 了解一下

[xsec]

内存泄露？

[guoyu4126]

@DRcoding 我就是这么想的。。。。。。。。。。。

[dorothyREN]

两个月一次？那你计划任务每个月重启一次不就行了？

[7sDream]

https://github.com/firehol/netdata
我自己没试过，不负责任的推荐

[jssyxzy]

这个不就是 health check 么,搜搜一堆解决方案.
自己写, crontab + 脚本.