跳到主要内容

生产拓扑

单团队、单公司、多机房带边缘告警的参考布局。

三档规模，三张部署图。挑最接近你现状的那张照着搭，不用从架构图开始设计。

单团队：一台机器​

一个组、几十台机器、告警断一会儿不至于出事——一台机器上跑一个 n9e 就够。

      categraf ──► n9e (17000) ──► 内置时序库（本地磁盘）
                     │
                 MySQL + Redis
  • [DB] 换成 MySQL 或 PostgreSQL，[Redis] 换成 standalone：默认的 SQLite 和 miniredis 是进程内的，进程没了数据就没了；
  • [EmbeddedTSDB] 保持开启，RetentionDuration 按你要看多久的历史调；
  • 备份只有一件事：mysqldump + etc/ 目录。

代价说清楚：这台机器就是单点。n9e 进程挂了、机器重启了，这段时间不判定也不通知。

单公司：两三个 n9e + 外部时序库​

告警开始被当成基础设施之后，第一件要去掉的就是上面那个单点。

                    ┌── n9e #1 ─┐
   浏览器 / 采集器 ─►│   n9e #2  │──► VictoriaMetrics / Prometheus
        (LB)        └── n9e #3 ─┘
                          │
                    MySQL + Redis（各自也要做高可用）

组集群没有额外组件：多跑几个 n9e，配置一致，共享同一套 MySQL 和 Redis。 告警规则自动分派，一条规则只在一个实例上跑；某个实例挂了，它的规则被别的实例接管。

三处必须改：

# 1. 关掉内置时序库——它的数据在单个进程的本地磁盘上，多副本时每个只有一部分
[EmbeddedTSDB]
Enable = false

# 2. 指向外部时序库
[[Pushgw.Writers]]
Url = "http://victoriametrics:8428/api/v1/write"

# 3. 数据库和 Redis 必须是所有实例都连得上的同一套
[DB]
DSN = "n9e:<password>@tcp(mysql:3306)/n9e_v6?charset=utf8mb4&parseTime=True&loc=Local"
[Redis]
RedisType = "standalone"
Address = "redis:6379"

负载均衡后面挂的是 17000 端口。注意写入端点和管理端点在同一个端口上 （/prometheus/v1/write、/v1/n9e/heartbeat 和 Web UI 都在 17000）， 做网络收口时不能简单地「把 17000 放到公网」。

多机房：中心 + 边缘​

有多个机房、机房之间的专线不那么可靠时，让中心去查远端机房的时序库， 告警的可靠性就等于那条链路的可靠性——链路一断，整个机房失去告警。

   中心机房                          边缘机房 A
   ┌──────────────┐                 ┌────────────────────────┐
   │ n9e × N      │◄── 拉规则配置 ──│ n9e-edge (19000)       │
   │ MySQL/Redis  │                 │ 本地 Redis + 本地时序库 │
   └──────────────┘                 └────────────────────────┘

n9e-edge 跑在边缘机房，规则仍然在中心统一管理并下发，但查询和判定在本地做。 链路断了，边缘继续判定、继续发通知。

要点：

  • 中心侧要打开 [HTTP.APIForService] Enable = true，边缘靠它拉配置；
  • 边缘需要自己的 Redis，不能复用中心那套；
  • 启动时一定要指对配置目录：n9e-edge --configs etc/edge， 默认的 etc 是中心的配置，指错了不会报错，只会静默地跑偏。

详见边缘机房与边缘断网行为。

什么时候值得拆进程​

n9e 里已经包含了告警判定和 Pushgw 的能力，n9e-alert / n9e-pushgw 是性能选项，不是必经步骤。

现象拆什么
Web 页面卡，但判定不延迟先别拆，看数据源查询是不是慢
判定延迟，Web 也跟着卡拆 n9e-alert，让判定不和 Web 抢 CPU
写入量把进程打满，判定被拖累拆 n9e-pushgw
某个机房的数据查不动上 n9e-edge，这是拓扑变化不是性能调优

一上来就三个进程，只是多两份要保持同步的配置文件。

三档拓扑要准备的东西​

单团队单公司多机房
n9e 实例数12–3中心 2–3 + 每机房 1 个 edge
元数据库MySQL/PostgreSQL 单实例MySQL 主备同左
Redis单实例哨兵或集群中心一套 + 每个边缘机房一套
时序库内置外部（VictoriaMetrics 等）中心一套 + 每机房本地一套
负载均衡不需要需要中心需要

相关​

本页目录