企业IT基础设施规模扩大后，传统人工巡检方式效率低下，故障发现滞后，缺乏统一的监控视图和告警管理机制。旨在解决多品牌服务器、网络设备、数据库、中间件等异构环境的统一监控难题，实现故障主动发现、快速定位、智能告警，降低MTTR（平均修复时间），提升运维SLA达标率。
行业场景： 适用于中大型企业的数据中心运维、云计算资源监控、DevOps一体化监控场景。业务背景为7×24小时在线服务系统，对可用性要求达99.9%以上，需监控物理服务器、虚拟化平台（VMware/ESXi）、容器集群、网络设备、业务应用等全栈资源，满足等保2.0对日志审计和监控告警的合规要求。
具体功能模块：
资源自动发现模块： 基于Zabbix LLD自动发现规则，实现服务器网卡、磁盘、进程、数据库实例等资源的自动纳管；
统一监控采集模块： 覆盖CPU、内存、磁盘I/O、网络流量、数据库性能、应用日志等300+监控指标；
智能告警引擎： 支持多级告警阈值、告警收敛、告警升级、值班轮换、多渠道通知（企业微信/钉钉/邮件/短信）；
可视化大屏模块： 基于Grafana构建业务拓扑大屏、告警统计看板、容量趋势分析；
自动化报告模块： Python脚本实现日报/周报/月报的自动化生成与邮件推送；
API集成模块： 提供RESTful API供CMDB、ITSM系统对接，实现监控数据共享。
主要功能描述： 构建企业级一体化运维监控平台，实现从基础设施到业务应用的全链路监控。支持Zabbix Agent/Agent2、SNMP、IPMI、JMX等多种采集方式，具备分布式Proxy架构满足多机房部署需求。核心功能包括实时监控数据采集、智能阈值告警、故障自愈联动、容量规划分析、合规报表输出，帮助企业实现从被动救火到主动预防的运维模式转型。
负责的具体任务：
负责Zabbix 7.0服务端的高可用架构设计与部署（MySQL主从+Zabbix Server双节点）；
编写Python自动化脚本实现主机批量导入、模板批量部署、监控项自动注册；
定制开发Linux/Windows/网络设备/数据库等20+监控模板，覆盖企业90%以上资产类型；
设计并实现网络流量波动检测、磁盘容量预测等高级告警策略；
集成Grafana 11.3实现可视化大屏，优化SQL查询性能解决大数据量渲染卡顿问题；
开发Zabbix与飞书/钉钉的Webhook告警机器人，实现告警信息富文本卡片推送。
技术栈与架构： 核心技术栈包括Zabbix 7.0.21、Grafana 11.3、MySQL 8.0、Python 3.9、Docker、Nginx反向代理。采用Server-Proxy-Agent分布式架构，支持万级主机纳管。实现亮点：① 自研Python LLD脚本解决SQL Server多实例自动发现难题；② 基于trendsum函数实现网卡流量单日波动±10%的智能检测；③ 使用Docker Compose实现环境一键部署与迁移；④ 通过UserParameter扩展自定义监控项，实现业务日志关键字实时告警。难点攻克：解决了Zabbix Agent 2在Windows环境下MSSQL插件启动失败、TLS版本不兼容等疑难问题，优化了大规模告警时的数据库查询性能瓶颈。
评论