我想知道网络规模人员使用什么软件来监控服务器场中的 n 个服务器阵列。
facebook、twitter、digg 使用什么？google 又是如何做的？
我正在寻找一种解决方案来满足我们自己的监控需求。我们的服务器位于云端、AppEngine 和 EC2 中。我们希望监控“应用程序”（由许多小型服务构建而成），这意味着最终结果应该是一个可以监控响应时间（+alivenss 和 co.）和应用程序有效性的系统：如果我执行 X，那么 Y 应该会发生，然后在 2 小时后验证 Z 是否已处理并且 T 是否已附加到正确的日志中...
理想的解决方案是一个我可以部署单元测试的系统，我在开发时使用相同的单元测试来测试软件。
非常欢迎建议、指点和评论——我正在寻找解决这个问题的方向。
谢谢，马克西姆。
答案1
我看了这不久前。这是“Facebook 运营的一天”。他们使用 cfengine2（部署）、nagios（监控）、ganglia（监控和趋势）以及许多内部工具。有趣的是，我们使用的一些工具被如此大规模地使用（+60.000 台服务器）