想实时采集约 2000 台服务器的系统运行时快照，当中间件或应用出问题的时候能翻采集记录排查，大家有啥思路吗？

[zhoudaiyu]

抓取的信息有 CPU 、内存、IO 、进（线）程、网络连接情况，还可能有一些中间件的特有的指标，大概 1s 抓取一次。我的思路是部署 agent 到每台机器做采集工作（目前试过用 go 调用 shell 去抓取，然后再把 shell 的 stdout 做解析和整合），将整个后结果推到 Kafka，再用 kafka-xx-connetor 或者类似的东西把 kafka 的数据同步到 ES 、mongo 或者 mysql 里。请问大家觉得我这个思路怎么样？还有就是有啥更好想法吗？包括抓取指标的维度、抓取方式、数据转移链路，存储后端等等方面。

[Lee2019]

1s 一次说实话没必要，这种瞬时的尖峰是很正常的吧

[Nillouise]

@sampeng 抖动为什么没有价值？不是还能看看 gc 的情况吗（如果不用 java 自带的 gc 记录）。

[sampeng]

@Nillouise 因为只有持续 n 分钟以上的才需要干预。几秒钟维度的监控，没有处理的必要，浪费人力资源

[py2ex]

@Lee2019 @Nillouise @sampeng 1s 监控在数据量大的时候(贴主想做 2000 台服务器)，性能优化也是很大的挑战