B站统⼀监控系统的设计,演进 与实践分享

• 语言: 中文（简体）
• 格式: .pdf
• 来源: pic.huodongjia.com

摘要

文档详细介绍了B站统一监控系统的设计、演进与实践。面对技术栈多、业务爆发式增长带来的监控问题，B站重新定义了监控体系，涵盖用户端、服务端、客户端、播放质量、业务层、应用层和基础层等多方面。通过科学的告警策略和完整的监控体系，解决了监控覆盖率低、误报漏报多、告警风暴等问题，确保了系统的稳定性和高效运维。

AI总结

## 文档总结

### 一、背景与挑战
- **业务特点**：
- 业务快速增长，技术栈多样，模块复杂。
- 运维要求高，系统规模大。
- **监控问题**：
- 覆盖率低，误报、漏报多。
- 告警风暴频发，影响运维效率。

### 二、监控体系设计
- **目标**：
- 建立统一、科学的监控系统，提升告警准确性，降低误报率。
- **监控层次**：
- **用户端监控**：网络质量、劫持情况、崩溃、卡顿、响应时间、错误率等。
- **客户端质量**：播放卡顿、平均首帧、失败率、弹幕加载、CDN质量等。
- **业务层监控**：QPS/TPS、耗时分布、饱和度、吞吐量、依赖响应、缓存命中率、调用链、SLA等。
- **应用层监控**：Cache、DB、MQ、LB、ES、分布式文件、进程监控等。
- **基础层监控**：虚拟机、物理设备、容器、专线质量、机房出口质量、交换设备（HTTP、TCP、PING）等。
- **告警策略**：
- 采用科学的告警策略，避免无效告警。
- 建立统一的告警中心，实现告警的集中管理与处理。

### 三、系统推进与实践
- **监控场景与手段对应**：
- **服务端监控**：
- **Metric类型**：时间序列数据。
- **日志类型**：日志处理流。
- **自定义类型**：自研工具。
- **客户端监控**：
- **用户端**：自研APM。
- **播放器**：自研工具。

- **总结**：
- B站通过统一监控系统的建设，解决了监控覆盖率低、误报漏报多、告警风暴等问题。
- 监控系统的科学设计与实践，为业务的稳定运行提供了有力保障。