5
Monitoring - Welche sind die wichtigsten Vitalfunktionen eines Servers
Hi,
als neues Mitglied in unserem Admin-Team auf der Arbeit möchte ich das bestehende Condition Monitoring verbessern.
Alle zu überwachenden Server sollen zu ca. 99,96% hochverfügbar gehalten werden.
Heute bestehen zwar Regeln und Verfahren, wie Fehlerfälle eskaliert werden. Leider sind sie nicht sauber dokumentiert.
Ich möchte das ganze Monitoring sauber aufbauen und dokumentieren. Dabei gehe ich den Weg der kleinen Schritte.
Zuerst möchte ich mit der Festlegung der allerwichtigsten, zu überwachenden Serverfunktionen beginnen.
Im Laufe der Zeit sollen dann aus der täglichen Erfahrung heraus die Berücksichtigung und Eskalation der Fehlerfälle ausgeweitet werden.
Hintergrund ist auch der, dass durch eine Flucht von Eskalations-E-Mail der Admin nicht hypersensibilisiert wird, sodass er
nicht mehr auf die dringlichen Notifikations-E-Mails reagiert.
Ad hoc fällt mir zu den wichtigsten Serverfunktionen - sind ja eher Komponenten - ein:
- PSU-Ausfall
- Raidcontroller-Ausfall
- HDD-Ausfall
- Lüfter-Ausfall
- CPU-Temp. außerhalb der Norm
Welche Erfahrungen habt ihr gemacht? Was würdet ihr als die wichtigsten, zu überwachenden Serverfunktionen nennen.
Vielen Dank im Voraus und ein schönes WE.
Limean
Ich möchte das ganze Monitoring sauber aufbauen und dokumentieren. Dabei gehe ich den Weg der kleinen Schritte.
Zuerst möchte ich mit der Festlegung der allerwichtigsten, zu überwachenden Serverfunktionen beginnen.
Im Laufe der Zeit sollen dann aus der täglichen Erfahrung heraus die Berücksichtigung und Eskalation der Fehlerfälle ausgeweitet werden.
Hintergrund ist auch der, dass durch eine Flucht von Eskalations-E-Mail der Admin nicht hypersensibilisiert wird, sodass er
nicht mehr auf die dringlichen Notifikations-E-Mails reagiert.
Ad hoc fällt mir zu den wichtigsten Serverfunktionen - sind ja eher Komponenten - ein:
- PSU-Ausfall
- Raidcontroller-Ausfall
- HDD-Ausfall
- Lüfter-Ausfall
- CPU-Temp. außerhalb der Norm
Welche Erfahrungen habt ihr gemacht? Was würdet ihr als die wichtigsten, zu überwachenden Serverfunktionen nennen.
Vielen Dank im Voraus und ein schönes WE.
Limean
Share on Facebook
Share on Twitter
Share on Reddit
Share on LinkedinPlease also mark the comments that contributed to the solution of the article
Content-Key: 123761
Url: https://administrator.de/contentid/123761
Printed on: April 20, 2024 at 04:04 o'clock
5 Comments
Latest comment
du hast da die hardware beschrieben... Ich sag mal wenn die Ausfällt dann wirst du als Admin ja eh sofort was merken (idR. klingelt dein Telefon dann nämlich wie wild und jeder User erzählt dir das was nich geht - und er das aber ganz dringend und jetzt sofort benötigt!)
Ich würde viel relevanter finden die DIENSTE des jeweiligen Servers zu überprüfen... Denn wenn dir z.B. auf dem Exchange-Server die Store.exe wegnagelt dann hat die CPU relativ wenig zu tun, HDD usw. machen auch nen ruhigen. Dein Monitoring sagt also "jo, leg dich schlafen, is alles ok". Deine Exchange/Outlook-User werden dir da aber sehr schnell was anderes erzählen (vermute ich...)
Andersrum: Fliegt dir grad die CPU schon durchs Gehäuse dann wird auch sofort der Exchange stehen -> dein System sollte also sofort Alarm schlagen... (wobei ich durchaus nicht der meinung bin das nen HW-Monitoring und nen SW-Monitoring sich gegenseitig ausschliessen - ich würde beides machen)
Ich würde viel relevanter finden die DIENSTE des jeweiligen Servers zu überprüfen... Denn wenn dir z.B. auf dem Exchange-Server die Store.exe wegnagelt dann hat die CPU relativ wenig zu tun, HDD usw. machen auch nen ruhigen. Dein Monitoring sagt also "jo, leg dich schlafen, is alles ok". Deine Exchange/Outlook-User werden dir da aber sehr schnell was anderes erzählen (vermute ich...)
Andersrum: Fliegt dir grad die CPU schon durchs Gehäuse dann wird auch sofort der Exchange stehen -> dein System sollte also sofort Alarm schlagen... (wobei ich durchaus nicht der meinung bin das nen HW-Monitoring und nen SW-Monitoring sich gegenseitig ausschliessen - ich würde beides machen)
Ich konzentriere mich primär auch auf die Dienste. Es bringt mir gar nichts zu wissen, dass die CPU nur 40° hat, die n Lüfter gemächlich ihre Runden drehen und beide Netzteile Spannung bringen.
Viel wichtiger ist zu wissen, dass je Server die darauf untergebrachten Dienste ordnungsgemäß ihre Arbeit verrichten und die User in der gewünschten Geschwindigkeit bedienen. Das ist nämlich auch das einzige, was meinen Chef und die Kollegen interessiert.
Kein Mensch interessiert sich dafür, ob ich irgendwas optimiere um ein paar Prozent Rechenleistung zu sparen, das SAN besser auszulasten oder sonst was. Aber wenn ein Dienst steht merken das alle sofort und beschweren sich zu recht. Schließlich können sie nicht arbeiten.
Das heißt natürlich nicht die Hardware zu vernachlässigen - nur halt nicht primär. Bei mir ist ohnehin alles redundant und meldet, wenn eine Komponente Ausfall hat. Dann ist ausreichend Zeit zum reagieren.
Das muss natürlich nicht für jeden zutreffen. Ich hab's in der Beziehung nämlich recht einfach: Sollte einer meiner ESX Totalausfall haben ziehen die Maschinen halt auf einen anderen ESX um bis der ausgefallene wieder läuft
Viel wichtiger ist zu wissen, dass je Server die darauf untergebrachten Dienste ordnungsgemäß ihre Arbeit verrichten und die User in der gewünschten Geschwindigkeit bedienen. Das ist nämlich auch das einzige, was meinen Chef und die Kollegen interessiert.
Kein Mensch interessiert sich dafür, ob ich irgendwas optimiere um ein paar Prozent Rechenleistung zu sparen, das SAN besser auszulasten oder sonst was. Aber wenn ein Dienst steht merken das alle sofort und beschweren sich zu recht. Schließlich können sie nicht arbeiten.
Das heißt natürlich nicht die Hardware zu vernachlässigen - nur halt nicht primär. Bei mir ist ohnehin alles redundant und meldet, wenn eine Komponente Ausfall hat. Dann ist ausreichend Zeit zum reagieren.
Das muss natürlich nicht für jeden zutreffen. Ich hab's in der Beziehung nämlich recht einfach: Sollte einer meiner ESX Totalausfall haben ziehen die Maschinen halt auf einen anderen ESX um bis der ausgefallene wieder läuft
Hi,
vielen Dank für eure Anregungen.
Ich gebe euch Recht: Die Dienste stehen für unsere Kunden und letztlich für uns im Vordergrund.
Das Monitoring besteht aus zwei Teilen: HW- und SW-Monitoring mit zwei unterschiedlichen Tools.
Das Monitoring soll im Idealfall proaktiv sein: ich reagiere, bevor das Dach in Flammen steht.
Wenn die redundante PSU ausfällt, habe ich zwar noch genügend Zeit zum Reagieren, aber ich weiß,
dass dieser Zustand für eine Hochverfügbarkeit nicht akzeptabel ist und versuche, schnellstmöglich Abhilfe zu schaffen.
Konzentriert man sich auf die HW: fällt euch da als unbedingt meldepflichtige Ausfälle noch was ein?
vielen Dank für eure Anregungen.
Ich gebe euch Recht: Die Dienste stehen für unsere Kunden und letztlich für uns im Vordergrund.
Das Monitoring besteht aus zwei Teilen: HW- und SW-Monitoring mit zwei unterschiedlichen Tools.
Das Monitoring soll im Idealfall proaktiv sein: ich reagiere, bevor das Dach in Flammen steht.
Wenn die redundante PSU ausfällt, habe ich zwar noch genügend Zeit zum Reagieren, aber ich weiß,
dass dieser Zustand für eine Hochverfügbarkeit nicht akzeptabel ist und versuche, schnellstmöglich Abhilfe zu schaffen.
Konzentriert man sich auf die HW: fällt euch da als unbedingt meldepflichtige Ausfälle noch was ein?
Wenn es rein um die Hardware geht fallen mir ein
- CPU-Temperatur die länger als Zeit x am oberen Limit liegt
- Sehr viele Speicherfehler
- Ausfall einer Platte im RAID
- Ausfall eines oder mehrerer Lüfter
- Störungen in der Spannungsversorgung
- Sehr hohe Lüfterdrehzahlen
- Switche
- Router
- TapeLibrary
- TK-Anlage
- Internetzugang
- Firewall
- und und und
Hi manuel-r,
vielen Dank für die rasche Antwort.
Es geht vorrangig um Server eines bestimmten Herstellers, der ebenso seine Monitoring-SW dafür anbietet.
Diese Software nutzen wir bereits und wollen es auch weiterhin. Deshalb zielt meine Frage hautpsächlich auf Server ab.
Zum besseren Verständnis:
Alle anderen aktiven Komponenten decken wir mit der "globalen" Monitoring-SW ab. Diese nutzen wir auch für das Software-/Application-Monitoring. Dort laufen die HW-Alarme auf - das passiert in Form von SNMP-Traps - und werden dann als E-Mail an die Admins eskaliert. Stelle ich die Server-Monitoring-SW so ein, dass alle Alarme als E-Mail bei den Admins landen, dann mülle ich uns regelrecht zu. Das hatten wir bereits. Jetzt gilt es, mit einem kleinen und wichtigen Kern anzufangen und nach und nach alle übrigen Alarme, die als erforderlich erachtetet werden. als E-Mail eskalieren zu lassen.
Wenn ich so auf meine bisherige Liste der HW-Alarme schaue, werden die von dir genannten Fälle abdeckt. Das ist schon einmal ein Pluspunkt
.
Vielen Dank und eine geruuuuhsame Nacht
vielen Dank für die rasche Antwort.
Es geht vorrangig um Server eines bestimmten Herstellers, der ebenso seine Monitoring-SW dafür anbietet.
Diese Software nutzen wir bereits und wollen es auch weiterhin. Deshalb zielt meine Frage hautpsächlich auf Server ab.
Zum besseren Verständnis:
Alle anderen aktiven Komponenten decken wir mit der "globalen" Monitoring-SW ab. Diese nutzen wir auch für das Software-/Application-Monitoring. Dort laufen die HW-Alarme auf - das passiert in Form von SNMP-Traps - und werden dann als E-Mail an die Admins eskaliert. Stelle ich die Server-Monitoring-SW so ein, dass alle Alarme als E-Mail bei den Admins landen, dann mülle ich uns regelrecht zu. Das hatten wir bereits. Jetzt gilt es, mit einem kleinen und wichtigen Kern anzufangen und nach und nach alle übrigen Alarme, die als erforderlich erachtetet werden. als E-Mail eskalieren zu lassen.
Wenn ich so auf meine bisherige Liste der HW-Alarme schaue, werden die von dir genannten Fälle abdeckt. Das ist schon einmal ein Pluspunkt
.Vielen Dank und eine geruuuuhsame Nacht
