阿里巴巴旗下-淘票票 王伟 撰稿
1. 简介
淘票票为了开拓国际业务，需要做国际化的在线售票，并选择了阿里云新加坡节点作为技术方案，项目上线后急需一套自动化的监控系统代替人肉维护监控。看了ARMS的功能说明，发现其刚好以很低的接入成本来满足我们业务实时监控的需求，因此决定采用阿里云的业务实时监控服务（ARMS）做业务监控。
业务的基本需求是需要实时大盘和报警功能，对要实时统计订票接口的各种状态进行统计和报警，包括：
- 订票成功率，从业务层面看是否系统运行正常。
- 订票接口状态，如响应时间，同比环比调用，等，从系统层面看是否系统运行正常。
以下篇幅从日志设计到配置，到最终大盘展示。
2. 监控配置
2.1. 采集日志
ARMS基本原理是采集日志通过实时流式计算出聚合数据监控业务，可以通过ECS，LogHub，SDK等多种方式获得日志源，这里我们选择LogHub，因为我们所有使用阿里云的ECS已经采集日志到日志服务上，只需要简单通过配置即可让ARMS从LogHub上获取日志。
采集到LogHub上的原始日志示例为:
2017-08-21 13:54:48,805|20170821|2f58c35e15033448888056471d27aa|tibizrouter|HSFBizProcessor-5-thread-265|INFO|API_DIGEST:108|RegionAPIImpl|getRegionNotice|1|0|Y[{:,:,:,:,:,:1}]|-2017-08-21 13:54:48,806|20170821|2f58d75c13231228888057385d7976|tibizrouter|HSFBizProcessor-5-thread-244|INFO|API_DIGEST:108|ConfigAPIImpl|getByGroup|3|0|Y|[{:,:,:,:,:}]|-
按照我们定义的分隔符解析日志格式为JSON，格式示例如下：
{"__column15__":"28667","__column16__":"","runtime":"449","__column17__":"","__column14__":"4","response":"-","appName":"tigateway","time":"2017-04-19 21:24:20,462","apiName":"ticketnew","logLevel":"INFO","request":"{\"boxOffice\":\"TICKETNEW\",\"extAreaId\":\"3\",\"extCinemaId\":\"4\",\"extScheduleId\":\"28667\"}","traceId":"2f58d75c1492608260eeaa2072d7d0f","thread":"HSFBizProcessor-5thread-42","resultCode":"0","__column18__":"","indiaTime":"20170419","logName":"API:73","method":"PULL_SOLD_SEAT","success":"Y"} {"runtime":"1","response":"-","appName":"tibizrouter","time":"2017-04-19 21:24:21,102","apiName":"MovieAPIImpl","logLevel":"INFO","request":"[{\"appChannel\":\"000100\",\"appDevice\":\"ANcca0bff117c2faaf__WPnpLeWzcDAIlMjjPv2LJS\",\"appEnv\":\"PROD\",\"appPlatform\":\"ANDROID\",\"appVersion\":\"4.1.0\",\"movieId\":2515,\"regionId\"1}]","traceId":"2f58d75c1492adwa611022076d7d0f","thread":"HSFBizProcessor-5-thread-40","resultCode":"0","indiaTime":"20170419","logName":"API_DIGEST:108","method":"getMovieDetail","success":"Y"}
其中:
• method是业务方法名，通过appName，apiName和method来唯一确定某个应用系统上某个接口的业务方法；
• success用来表示该业务方法执行成功与否；
• resultCode来用表示方法返回的错误码；
• runtime表示该方法执行的时间，单位为毫秒，可以用来统计哪些方法执行较慢，做后期优化；
• request为方法请求参数。
2.2.配置切分
对以上已经存在的字段按照JSON切分器切分，为了计算成功率，还需要把成功数转换成数字类型，方便在数据集做累加来计算。
2.3.配置数据集
配置接口成功率，通过sum累加得到成功的数量successCount，通过count得到总数量totalCount，使用successCount/totalCount得到成功率，当然也可以额外计算平均接口耗时等参数，在通过下砖维度获取按维度的成功率。
2.4.配置报警
由数据集可以直接配置报警，当成功率低于一定阈值的时候直接发出报警，实时监控线上业务，最大成都降低业务影响范围。
2.5.配置业务大盘
通过配置好的数据集就可以配置业务接口成功率大盘了，用来监控各个业务的实时稳定性。
3. 业务提升
我们通过ARMS对目前线上大部分业务性能指标如成功率，接口错误码分布，接口平均响应时间等性能参数做了实时监控，尤其在前段时间两次重大活动中及时发现线上性能问题，针对特定问题及时响应解决起了巨大的作用，提升了业务稳定性和业务响应速度。
除稳定性方面，我们也通过ARMS配置实时业务数据监控，通过按维度统计订单，用户访问等业务数据，根据不同时间段的业务数据快速调整业务运营和决策，对业务增长起了很好的推动作用。
ARMS正在公测，速来
