docker监控脚本

admin

监控套件有三个脚本，一个是自动发现主机上的docker容器脚本，另一个是用python写的获取每个docker容器的系统状态，包括CPU使用率，内存使用率以及网络资源使用率，最后这个脚本添加了一些我公司常用的应用的状态监控，包括应用占用内存，cpu资源以及进程的存活状态，至于读者们需要监控其他docker里面的应用，可以依照我的脚本来进行修改。

需要编辑自动发现docker中容器个数的脚本

# cat /usr/local/zabbix/scripts/docker_low_discovery.sh

4 o- x0 y: g; U3 o6 k  y5 D' P  q

#!/bin/bash

#Fucation:docker low-level discovery

' h! [# ?0 w6 v9 t# ?/ e! t3 l3 m) h

docker() {

            port=($(sudo docker ps -a|grep -v "CONTAINER ID"|awk '{print $NF}'))

            printf '{\n'

0 p0 k. y  K3 r

            printf '\t"data":[\n'

' t" y7 q, s% Q+ q; [

               for key in ${!port[@]}

0 x! D) ]" Y7 L' G& N$ {& }9 r+ B7 A  K

                   do

                       if [[ "${#port[@]}" -gt 1 && "${key}" -ne "$((${#port[@]}-1))" ]];then

                          printf '\t {\n'

! C3 O7 e( h6 {( W2 S2 u7 \

                          printf "\t\t\t\"{#CONTAINERNAME}\":\"${port[${key}]}\"},\n"

" @4 _  U6 B1 p& T

  

                     else [[ "${key}" -eq "((${#port[@]}-1))" ]]

                          printf '\t {\n'

, U4 q! ^# K/ G) G8 J

                          printf "\t\t\t\"{#CONTAINERNAME}\":\"${port[${key}]}\"}\n"

- v9 N" _1 ^3 ~8 ?$ k  ]- r* X

  

6 J- z) [0 O/ X1 T

                       fi

& s& F# u1 N$ Z) y& r

               done

  

# ^' t4 l" {6 p5 K. C

                          printf '\t ]\n'

; D8 y  K; L. \" u

                          printf '}\n'

' I7 H( Z0 h! W( l3 ~# n9 Z  M- _

}

- T, J5 p/ N  \' k

case $1 in

docker)

$ T8 \9 e/ h% u3 y

docker

7 Z& c8 f$ d( f

;;

*)

9 C/ F) V* c( Y0 R. F

echo "Usage:`basename $0` {docker}"

;;

esac

上面这个脚本是用来获取到docker里面应用的容器，并对其进行json化输出的，效果如下：

# sh /usr/local/zabbix/scripts/docker_low_discovery.sh docker

6 l- h: ?0 ~" A4 R

{

"data":[

0 \: k6 {0 S& P2 N

{

7 ]; W7 @0 ~( Q! I, f- k3 H

"{#CONTAINERNAME}":"hopeful_brown"},

% f; F0 y7 e. ]7 F

{

; M9 U: R, n7 [/ X$ ^

"{#CONTAINERNAME}":"happy_einstein"}

}

/ I; _! y- o( v  U, G

这样就能被zabbix_server获取到了，然后是python脚本,使用python获取docker的参数需要使用一个扩展包，可以通过pip或者easy_install安装docker-py扩展：

pip install docker-py或者easy_install docker-py或者不想这样安装的话可以去python官网下载docker-py的安装包，解压后使用docker docker-py-1.4.0/setup.py install命令安装，扩展包我将会打包放在附件中。

/ S' s( ~5 y$ t- B+ p3 v

# cat /usr/local/zabbix/scripts/docker_monitor.py

#!/usr/bin/env python

#-*- coding: utf-8 -*-

#author:Xianglin Hu

#email: a714585725@qq.com

7 J& S' p/ Y0 d3 i: f, l; X+ A

from docker import Client

4 N8 l0 P5 b. B0 v  t1 {

import sys

8 U5 }) P& g0 @/ e

import subprocess

import os

$ @" l: \  D1 k' i4 C

def check_container_stats(container_name,collect_item):

    container_collect=docker_client.stats(container_name)

    old_result=eval(container_collect.next())

    new_result=eval(container_collect.next())

: ]+ \* i/ S( K& ?; e

    container_collect.close()

! a( A+ ]8 m4 k3 A6 }$ F7 L! R

    if collect_item == 'cpu_total_usage':

        result=new_result['cpu_stats']['cpu_usage']['total_usage'] - old_result['cpu_stats']['cpu_usage']['total_usage']

$ \7 F1 z0 f0 [1 R. n; p

    elif collect_item == 'cpu_system_usage':

        result=new_result['cpu_stats']['system_cpu_usage'] - old_result['cpu_stats']['system_cpu_usage']

+ J+ W3 u1 E4 V$ j. K  M

    elif collect_item == 'cpu_percent':

; x$ d; ~( l4 j0 |& P

        cpu_total_usage=new_result['cpu_stats']['cpu_usage']['total_usage'] - old_result['cpu_stats']['cpu_usage']['total_usage']

        cpu_system_uasge=new_result['cpu_stats']['system_cpu_usage'] - old_result['cpu_stats']['system_cpu_usage']

2 X$ [5 _0 R" P, M/ }

        cpu_num=len(old_result['cpu_stats']['cpu_usage']['percpu_usage'])

        result=round((float(cpu_total_usage)/float(cpu_system_uasge))*cpu_num*100.0,2)

    elif collect_item == 'mem_usage':

        result=new_result['memory_stats']['usage']

( y  ]! i) g  n+ L

    elif collect_item == 'mem_limit':

        result=new_result['memory_stats']['limit']

    elif collect_item == 'mem_percent':

- @" R' J& V7 ]0 S5 o& @! b

        mem_usage=new_result['memory_stats']['usage']

        mem_limit=new_result['memory_stats']['limit']

        result=round(float(mem_usage)/float(mem_limit)*100.0,2)

    elif collect_item == 'network_rx_bytes':

        network_check_command="""sudo /usr/bin/docker exec %s cat /proc/net/dev|sed -n 3p|awk '{print $2,$10}'"""%container_name

        result=os.popen(network_check_command).read().split()[0]

: H7 p! n, z& p

    elif collect_item == 'network_tx_bytes':

( ]5 p! s/ t6 t4 P

        network_check_command="""sudo /usr/bin/docker exec %s cat /proc/net/dev|sed -n 3p|awk '{print $2,$10}'"""%container_name

        result=os.popen(network_check_command).read().split()[1]

    return result

if __name__ == "__main__":

    docker_client = Client(base_url='unix://var/run/docker.sock', version='1.17')

    container_name=sys.argv[1]

. a9 N+ P, V! S6 k- u  ?9 r6 w" E' V

    collect_item=sys.argv[2]

    print check_container_stats(container_name,collect_item)

这里面使用到了docker里面的Client类，获取到某个docker容器的当前状态信息，然后进行运算，返回运算结果。但是容器当前信息那个dict中的network的key获取到的信息不准确，于是我使用了docker exec命令来获取docker容器内部的网络流量信息。这也是我在大神的基础上进行改进的地方，这里的改进将python脚本的执行时间缩短了，将有助于server获取duocker容器信息时减少长连接的数量，提升zabbix_server的性能。这里的docker exec命令将会在下一个脚本中大量使用来获取docker容器中的应用状态信息。

% A! t( L3 E6 m/ p6 M+ h7 L# w

下面是获取容器应用状态信息的脚本：

# cat docker_processmonitor.sh

#!/bin/bash

#license:GPL

#mail:a714585725@qq.com

- g% A: I9 k* H% L( y

#date:2015.09.22

processmem(){

        sudo /usr/bin/docker exec $1 ps aux|grep $2|grep -v "grep"|grep -v "processstatus.sh"|awk '{sum+=$6}; END{print sum}'

}

processcpu(){

        sudo /usr/bin/docker exec $1 ps aux|grep $2|grep -v "grep"|grep -v "processstatus.sh"|awk '{sum+=$3}; END{print sum}'

}

processport(){

; h) d3 V; \, A: ]1 h8 M

        sudo /usr/bin/docker exec $1 ss -antlp|grep $2|grep LISTEN|wc -l

2 W2 o8 p: a1 T: c; r# A

}

case "$3" in

' r: w6 ]+ H. e% M% y) N1 ^8 b

mem)

processmem $1 $2

;;

cpu)

processcpu $1 $2

;;

7 \8 Y1 ~7 ]- Y2 G* S7 b; o

port)

& a: ]5 @6 j- J1 y% s

processport $1 $2

6 {: [# E- b4 S4 _9 `+ n; t8 r/ e

;;

*)

! V2 f2 @5 J" y9 g* O

echo "Usage: $0 {docker_containername}{processname}{mem|cpu|port}"

;;

0 ?- K+ t* k7 e% Q; q

esac

* [- \& r4 T/ M# D. ]0 {* V

' _  G; ^6 _7 r/ O

这个脚本其实没啥说的，从我以前写的那个脚本上面修改来的，使用了一个case来判断需要获取的docker容器的名称以及该容器中应用的状态信息，只不过这里获取docker容器状态信息使用的是docker exec命令来进行获取。另外这里面添加了对于应用是否存活的状态监测，那就是检测该应用是否侦听了网络端口，假如该应用侦听的网络端口个数为0的话，可以认为该应用存在异常。这些应用只是我公司使用比较多的应用，各位读者可以根据自己需求修改相应应用的监控。

由于docker是以root权限来启用的，而zabbix监控是使用zabbix用户来执行的，所以需要给予zabbix用户相应的权限，需要编辑visudo：

echo "zabbix ALL=(root) NOPASSWD:/bin/docker,/usr/bin/python,/usr/local/zabbix/scripts/docker_monitor.py,/usr/local/zabbix/scripts/docker_low_discovery.sh,/usr/local/zabbix/scripts/docker_processmonitor.sh">>/etc/sudoers

并且还需要注释掉这条记录：#Defaults    requiretty（PS：注意，这条记录是要求使用sudo命令时需要有终端界面，注释掉这一条之后就可以不需要终端执行sudo命令了。）

7 V. g" n1 q6 p: F, ~4 y6 \& w) v

# tail -3 /usr/local/zabbix/etc/zabbix_agentd.conf

UserParameter=docker_low_discovery

,/bin/bash /usr/local/zabbix/scripts/docker_low_discovery.sh $1

UserParameter=docker_stats

,sudo /usr/bin/python /usr/local/zabbix/scripts/docker_monitor.py $1 $2

UserParameter=docker_process

,/bin/bash /usr/local/zabbix/scripts/docker_processmonitor.sh $1 $2  $3

保存配置并重启zabbix_agentd服务，然后修改脚本的属主属组以及权限：

chown zabbix.zabbix /usr/local/zabbix/scripts/*

chmod 755 /usr/local/zabbix/scripts/*

然后可以在zabbix_server端测试是否能够获取到相应的数据：

[root@test1 ~]# /usr/local/zabbix-2.4.4/bin/zabbix_get -s x.x.x.x -k"docker_low_discovery[docker]"

* b: h  f# I0 w5 v! n& S

{

"data":[

{

"{#CONTAINERNAME}":"hopeful_brown"},

) A! {$ K& S! M/ M* }

{

"{#CONTAINERNAME}":"happy_einstein"}

}

[root@test1 ~]# /usr/local/zabbix-2.4.4/bin/zabbix_get -s x.x.x.x -k"docker_stats[happy_einstein,network_tx_bytes]"

9664252

[root@test1 ~]# /usr/local/zabbix-2.4.4/bin/zabbix_get -s x.x.x.x -k"docker_process[happy_einstein,nginx,port]"

2

& w; M: h# f, g6 a6 M7 X

admin

这里的IP地址我就用x.x.x.x代替了，这里应该填写客户端的IP地址。如上所示，能够正确获取到agentd的数据以后，然后就需要在zabbix_server这边配置监控模版了，关于监控模版的配置我在之前的文章中提及了很多次，相信大家应该都不会陌生了，这回就不详细描述模板的建立了，稍后我会将模板打包一起上传至附件中，这个模板目前还是半成品，各位可以根据模板进行修改，可以根据你们的需求来做，下面，演示一下监控出来的效果（PS：只是在测试环境小规模的部署，项目还不错，于是没有做成筛选出来。）