总体思路与适用场景

• Zookeeper 更适合作为“服务状态与协调中枢”，而不是直接采集 Linux 主机 的 CPU、内存、磁盘等指标。常见做法有两类：
  • 直接对 Zookeeper 进程做健康检查与性能采集（四字命令、脚本、JMX）。
  • 让各主机把系统指标写到 Zookeeper 的 临时节点，由监控端订阅展示（服务发现 + 状态上报）。

快速健康检查与性能采集

• 四字命令（需启用四字命令端口，默认 2181；可用 telnet 或 nc 发送）
  • 基础健康：echo ruok | nc 127.0.0.1 2181（返回 imok 表示进程与四字命令通路正常，注意这不代表业务读写完全正常）
  • 服务状态：echo stat | nc 127.0.0.1 2181（版本、角色 Mode、连接数、节点数等）
  • 详细监控：echo mntr | nc 127.0.0.1 2181（延迟、收发包、连接、znode、watch、文件描述符等）
  • 其他常用：echo srvr | nc 127.0.0.1 2181（不含客户端列表的服务器信息）、echo envi | nc 127.0.0.1 2181（环境变量）、echo dump | nc 127.0.0.1 2181（会话与临时节点）、echo cons | nc 127.0.0.1 2181（客户端连接明细）
• 脚本巡检示例（判断角色是否为 leader/follower）
  • ZK_CLUSTER=“192.168.1.1:2181,192.168.1.2:2181,192.168.1.3:2181” RESULT=$(echo stat | nc $(echo $ZK_CLUSTER | cut -d’,’ -f1) 2181) if [[ $RESULT == “Mode: leader” || $RESULT == “Mode: follower” ]]; then echo “Zookeeper 集群状态正常” else echo “Zookeeper 集群状态异常” fi
• JMX 与可视化
  • 启动参数开启 JMX（示例）：-Dcom.sun.management.jmxremote -Dcom.sun.management.jmxremote.port=9999 -Dcom.sun.management.jmxremote.authenticate=false -Dcom.sun.management.jmxremote.ssl=false
  • 使用 jconsole/jvisualvm 连接 9999 端口查看堆、线程、类加载、JMX 指标等。

用Zookeeper承载Linux主机监控数据

• 上报模型
  • 约定根节点：/monitor/hosts/{hostname}
  • 每台主机以 临时节点 写入：/monitor/hosts/host1 {“cpu”:“12.3”,“mem”:“68.1”,“disk”:“45”,“ts”:1735200000}
  • 监控端（或编排系统）watch 该路径，实时获取新增/变更/离线（会话过期）事件。
• 采集与写入示例（Python，需安装 kazoo）
  • from kazoo.client import KazooClient import os, time, json zk = KazooClient(hosts=os.getenv(“ZK_SERVERS”,“127.0.0.1:2181”)) zk.start() path = f"/monitor/hosts/{os.uname().nodename}" while True: cpu = os.popen(“top -bn1 | grep ‘Cpu(s)’ | awk ‘{print $2}’”).read().strip() mem = os.popen(“free | awk ‘/Mem/{printf "%.1f", $3/$2*100}’”).read().strip() disk = os.popen(“df / | awk ‘NR==2{print $5}’ | tr -d ‘%’”).read().strip() zk.ensure_path(“/monitor/hosts”) zk.set(path, json.dumps({“cpu”:cpu,“mem”:mem,“disk”:disk,“ts”:int(time.time())})) time.sleep(15)

    退出时临时节点会自动清除（会话关闭）

• 展示与告警
  • 将监听到的数据送入 Prometheus（Pushgateway 或 Exporter 模式），用 Grafana 做可视化与阈值告警；或直接用自研服务消费 ZK 事件流展示。

第三方监控与告警集成

• Prometheus + Grafana
  • Zookeeper 指标：通过 JMX Exporter 暴露 JMX 指标，Prometheus 抓取并入库，Grafana 展示常用大盘（延迟、连接、请求、zk_version、zk_server_state 等）。
• Telegraf
  • 使用 inputs.zookeeper 插件定期采集四字命令或 JMX 指标，配置示例：
    • [[inputs.zookeeper]]
      • servers = [“192.168.20.103:2181”,“192.168.20.104:2181”,“192.168.20.105:2181”]
      • interval = “60s”
      • timeout = “5s”
• 运维脚本与系统工具
  • 在主机上用 ps/top、netstat/ss 辅助排查进程与端口（如 2181），与 ZK 检查结果交叉验证。

关键指标与告警建议

• Zookeeper 核心指标（mntr/stat/srvr）
  • 角色与健康：zk_server_state（leader/follower）、ruok 返回 imok
  • 延迟与吞吐：zk_avg_latency、zk_min_latency、zk_max_latency、zk_packets_received、zk_packets_sent
  • 连接与会话：zk_num_alive_connections、zk_outstanding_requests
  • 数据与结构：zk_znode_count、zk_watch_count、zk_ephemerals_count、zk_approximate_data_size
  • 资源与稳定性：zk_open_file_descriptor_count、zk_max_file_descriptor_count
• Linux 主机建议指标
  • CPU 利用率、内存使用率、磁盘使用率与 inode、网络 rx/tx、系统 load、关键进程存活
• 常见告警阈值示例
  • zk_avg_latency 持续高于 100ms 或 zk_outstanding_requests 突增
  • zk_num_alive_connections 接近 maxClientCnxns
  • 主机 CPU > 80%、可用内存 < 10%、根分区使用率 > 85%
  • 节点在 ZK 中的 临时节点消失（会话过期/进程异常）