در این مقاله میخوانید
Zabbix قرار است خرابی زیرساخت را تشخیص دهد؛ اما اگر خود Zabbix دچار مشکل شود چه کسی آن را اعلام میکند؟
ممکن است Frontend باز شود، اما:
• Pollerها عقب افتاده باشند.
• Queue رو به افزایش باشد.
• Proxy چند ساعت داده ارسال نکرده باشد.
• Database با تأخیر پاسخ دهد.
• Cacheها پر شده باشند.
• Notificationها در صف مانده باشند.
• داده جدید دریافت نشود.
سبزبودن صفحه Login، سلامت سامانه مانیتورینگ را ثابت نمیکند.
1️⃣ Zabbix Queue
Queue نشان میدهد کدام Itemها باید اجرا میشدند، اما داده آنها در زمان مورد انتظار دریافت نشده است.
افزایش Queue میتواند ناشی از این موارد باشد:
• کمبود Poller
• Hostهای Unreachable
• Timeout زیاد
• SNMP کند
• Agent نامناسب
• Proxy قطعشده
• Intervalهای بسیار کوتاه
• فشار روی Database
• Template سنگین
Queue باید براساس میزان تأخیر دستهبندی شود:
• کمتر از ۱۰ ثانیه
• ۱۰ تا ۳۰ ثانیه
• ۳۰ ثانیه تا یک دقیقه
• یک تا پنج دقیقه
• بیشتر از پنج دقیقه
Queue پایدار مهمتر از یک جهش کوتاه است.
افزایش Processها بدون تحلیل علت اصلی ممکن است فقط بار Database را بیشتر کند.
2️⃣ Busy Processها
Zabbix از Processهای تخصصی استفاده میکند:
• Poller
• Unreachable Poller
• Trapper
• Preprocessor
• History Syncer
• Discoverer
• Housekeeper
• Alerter
• VMware Collector
• HTTP Poller
• Proxy Poller
اگر یک نوع Process برای مدت طولانی نزدیک ۱۰۰٪ Busy باشد، احتمال ایجاد Bottleneck وجود دارد.
اما قبل از افزایش تعداد Processها باید بررسی شود:
• چه Checkهایی کند هستند؟
• Timeout کجا رخ میدهد؟
• Database چه وضعیتی دارد؟
• آیا Template غیرضروری متصل شده است؟
• آیا Polling Interval منطقی است؟
3️⃣ Cache Monitoring
Cacheهای مهم:
• Configuration Cache
• History Cache
• History Index Cache
• Trend Cache
• Value Cache
موارد قابل پایش:
☑️ درصد استفاده
☑️ فضای آزاد
☑️ روند رشد
☑️ پیامهای کمبود Cache در Log
☑️ تأثیر بر Processهای دیگر
Cache را نباید صرفاً با حدس افزایش داد. Internal Itemهای Zabbix و Log سرور باید مبنای تصمیم باشند.
4️⃣ NVPS
NVPS یا New Values Per Second نرخ ورود مقادیر جدید به Zabbix را نشان میدهد.
افزایش NVPS ممکن است ناشی از:
• اضافهشدن Host
• اتصال Template جدید
• کوتاهشدن Interval
• ایجاد Discovery Item
• افزایش Log Monitoring
• اضافهشدن شعب یا Proxy
NVPS بهتنهایی خوب یا بد نیست؛ اما باید با ظرفیت CPU، RAM، Database و Storage هماهنگ باشد.
بهتر است این موارد کنار هم دیده شوند:
NVPS + Queue + Busy Processes + DB Latency + IOPS
5️⃣ Unsupported Itemها
Unsupported Itemها باید روزانه بررسی شوند.
دلایل رایج:
• Item Key اشتباه
• OID پشتیبانینشده
• Credential نامعتبر
• Timeout
• Permission ناکافی
• Macro تعریفنشده
• Plugin نصبنشده
• تغییر نسخه API
• حذف Interface یا Resource
• ناسازگاری Template
وجود صدها Unsupported Item باعث از دست رفتن Visibility و ایجاد بار غیرضروری میشود.
هر Unsupported Item باید یکی از این سرنوشتها را داشته باشد:
• اصلاح شود.
• با روش مناسب جایگزین شود.
• عمداً غیرفعال و مستند شود.
6️⃣ سلامت Proxyها
برای هر Proxy:
☑️ Last Seen
☑️ Version Compatibility
☑️ Queue و Data Delay
☑️ CPU، RAM و Disk
☑️ Database Size
☑️ Buffer Usage
☑️ Busy Processها
☑️ Configuration Sync
☑️ TLS Connection
☑️ Time Synchronization
☑️ Log Error
وصلبودن Proxy کافی نیست؛ ممکن است ارتباط برقرار باشد، اما دادهها با چند ساعت تأخیر ارسال شوند.
7️⃣ Alerting Health
باید بررسی شود:
• Queue اعلانها
• خطای SMTP
• شکست Webhook
• Token منقضیشده
• Media Type غیرفعال
• User بدون Media
• محدودیت زمانی اشتباه
• Action غیرفعال
• Recoveryهای ارسالنشده
حداقل یک Alert آزمایشی دورهای ایجاد کنید تا زنجیره زیر واقعاً تست شود:
Trigger → Action → Media Type → Recipient
8️⃣ سلامت Database
☑️ Connection
☑️ Query Latency
☑️ Storage IOPS
☑️ Database Size
☑️ فضای آزاد
☑️ Slow Query
☑️ Lock و Deadlock
☑️ Buffer یا Cache Hit Ratio
☑️ Replication در صورت وجود
☑️ Backup Status
Database معمولاً سنگینترین جزء Zabbix است. ممکن است Zabbix Server منابع کافی داشته باشد، اما Storage کند باعث تأخیر کل سامانه شود.
9️⃣ Black-Box Monitoring
خود Zabbix باید از بیرون نیز بررسی شود:
• دسترسپذیری Frontend
• زمان Login
• HTTPS و Certificate
• Port سرویس Zabbix
• دریافت داده جدید
• ارسال Notification آزمایشی
• اتصال Database
• وضعیت Process سیستمعامل
ترجیحاً یک سامانه یا Check مستقل باید خرابی کامل Zabbix را اعلام کند؛ زیرا Zabbix خاموش نمیتواند درباره خاموشی خودش هشدار بفرستد.
Dashboard سلامت Zabbix
یک Dashboard عملیاتی مناسب:
• NVPS
• Queue
• Busy Processها
• Cache Usage
• Unsupported Itemها
• Proxy Last Seen
• Database Size
• Disk Free
• Alert Failures
• Internal Problemها
• Version و Uptime
• آخرین Backup موفق
🎯 جمعبندی
مانیتورینگ قابل اعتماد باید سلامت خودش را نیز اثبات کند.
اگر Queue، Cache، Process، Proxy، Database و Alerting پایش نشوند، ممکن است مدتها به Dashboard سبزی اعتماد کنیم که دادههای آن دیگر تازه نیستند.
در قسمت بعد:
🔜 بهینهسازی Database زبیکس؛ چگونه رشد History را کنترل و Performance را حفظ کنیم؟
🛡 NEACASPACE
