Nagios 监控运维完整教程 / 第5章：服务管理

第5章：服务管理

服务（Service）是 Nagios 监控的核心执行单元，代表主机上的具体检查项。本章详细讲解服务定义、检查命令、阈值设置、服务依赖、时间段配置和通知策略。

一、服务定义基础

1.1 服务对象属性

define service {
    # 基本属性
    host_name               web-server-01          # 所属主机
    service_description     HTTP                   # 服务描述（唯一标识）
    display_name            Web Service            # 显示名称
    servicegroups           web-services           # 所属服务组

    # 检查配置
    check_command           check_http!80!/        # 检查命令
    max_check_attempts      3                       # 最大检查尝试次数
    check_interval          5                       # 正常检查间隔（分钟）
    retry_interval          1                       # 重试间隔（分钟）
    check_period            24x7                    # 检查时间段

    # 通知配置
    notifications_enabled   1                       # 启用通知
    notification_interval   60                      # 通知间隔（分钟）
    notification_options    w,u,c,r                 # 通知选项
    notification_period     24x7                    # 通知时间段
    contact_groups          admins                  # 联系人组

    # 高级选项
    is_volatile             0                       # 是否为易失性服务
    active_checks_enabled   1                       # 启用主动检查
    passive_checks_enabled  1                       # 启用被动检查
    parallelize_check       1                       # 并行检查
    obsess_over_service     1                       # 监视服务
    check_freshness         0                       # 新鲜度检查
    event_handler_enabled   1                       # 事件处理器
    flap_detection_enabled  1                       # 抖动检测
    process_perf_data       1                       # 处理性能数据
    retain_status_information       1               # 保持状态信息
    retain_nonstatus_information    1               # 保持非状态信息
    failure_prediction_enabled      1               # 故障预测

    # 模板
    use                     generic-service         # 继承模板
}

1.2 最小化服务定义

# 模板（templates.cfg）
define service {
    name                    generic-service
    max_check_attempts      3
    check_interval          5
    retry_interval          1
    check_period            24x7
    notification_interval   60
    notification_options    w,u,c,r
    notification_period     24x7
    contact_groups          admins
    register                0
}

# 实际服务定义（只需定义差异部分）
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     HTTP
    check_command           check_http
}

二、服务检查命令

2.1 常用检查命令定义

# HTTP 检查
define command {
    command_name    check_http
    command_line    $USER1$/check_http -H $HOSTADDRESS$ -p $ARG1$ -u $ARG2$
}

# HTTPS 检查
define command {
    command_name    check_https
    command_line    $USER1$/check_http -H $HOSTADDRESS$ -S -p $ARG1$ -u $ARG2$ --sni
}

# SSH 检查
define command {
    command_name    check_ssh
    command_line    $USER1$/check_ssh -H $HOSTADDRESS$ -p 22
}

# DNS 检查
define command {
    command_name    check_dns
    command_line    $USER1$/check_dns -H $ARG1$ -s $HOSTADDRESS$
}

# 磁盘使用率检查
define command {
    command_name    check_disk
    command_line    $USER1$/check_disk -w $ARG1$ -c $ARG2$ -p $ARG3$
}

# CPU 负载检查
define command {
    command_name    check_load
    command_line    $USER1$/check_load -w $ARG1$ -c $ARG2$
}

# 内存使用率检查
define command {
    command_name    check_memory
    command_line    $USER1$/check_mem -w $ARG1$ -c $ARG2$ -f
}

# MySQL 检查
define command {
    command_name    check_mysql
    command_line    $USER1$/check_mysql -H $HOSTADDRESS$ -u $USER5$ -p $USER6$ -d $ARG1$
}

# 进程数检查
define command {
    command_name    check_procs
    command_line    $USER1$/check_procs -w $ARG1$ -c $ARG2$ -s $ARG3$
}

# 日志文件检查
define command {
    command_name    check_log
    command_line    $USER1$/check_log -F $ARG1$ -O $ARG2$ -q $ARG3$
}

# TCP 端口检查
define command {
    command_name    check_tcp
    command_line    $USER1$/check_tcp -H $HOSTADDRESS$ -p $ARG1$ -t 10
}

# UDP 端口检查
define command {
    command_name    check_udp
    command_line    $USER1$/check_udp -H $HOSTADDRESS$ -p $ARG1$ -s "$ARG2$" -e "$ARG3$"
}

2.2 阈值参数格式

不同插件的阈值格式不同，常见格式：

插件类型	阈值格式	示例
数值范围	`@min:max`	`-w @1:10 -c @0:20`
简单阈值	`value`	`-w 80 -c 95`
百分比	`value%`	`-w 80% -c 95%`
时间范围	`value[unit]`	`-w 1s -c 5s`
复合阈值	`w1,w2 -c c1,c2`	`-w 80,50% -c 95,80%`

2.3 命令参数传递

# 单参数
define service {
    use                 generic-service
    host_name           web-server-01
    service_description HTTP
    check_command       check_http!80
    #                   ARG1 = 80
}

# 多参数
define service {
    use                 generic-service
    host_name           web-server-01
    service_description HTTP
    check_command       check_http!80!/login!200!Welcome
    #                   ARG1 = 80, ARG2 = /login, ARG3 = 200, ARG4 = Welcome
}

# 磁盘检查示例
define service {
    use                 generic-service
    host_name           db-server-01
    service_description Root Partition
    check_command       check_disk!10%!5%!/
    #                   警告阈值 = 10%, 严重阈值 = 5%, 检查路径 = /
}

三、服务状态与阈值

3.1 服务状态定义

状态	含义	典型触发条件
OK	正常	所有指标在阈值内
WARNING	警告	指标接近阈值
CRITICAL	严重	指标超过严重阈值
UNKNOWN	未知	插件异常或无法判断

3.2 阈值设计模式

# 磁盘使用率阈值
check_command check_disk!10%!5%!/
# 含义: 使用率 > 90% 报 WARNING, > 95% 报 CRITICAL

# CPU 负载阈值
check_command check_load!5,4,3!10,8,6
# 含义: 1分钟负载 > 5 或 5分钟 > 4 或 15分钟 > 3 → WARNING
#       1分钟负载 > 10 或 5分钟 > 8 或 15分钟 > 6 → CRITICAL

# 内存使用率
check_command check_memory!80%!90%
# 含义: 使用率 > 80% → WARNING, > 90% → CRITICAL

# HTTP 响应时间
check_command check_http!5!10
# 含义: 响应时间 > 5s → WARNING, > 10s → CRITICAL

3.3 复合阈值示例

# check_ping 的复合阈值
check_command check_ping!100.0,20%!500.0,60%
# 含义: RTA > 100ms 或 丢包率 > 20% → WARNING
#       RTA > 500ms 或 丢包率 > 60% → CRITICAL

# check_http 的完整示例
define command {
    command_name    check_http_full
    command_line    $USER1$/check_http -H $HOSTADDRESS$ -p $ARG1$ -u $ARG2$ \
                    -w $ARG3$ -c $ARG4$ -e 200 -s "$ARG5$"
}

define service {
    use                     generic-service
    host_name               web-server-01
    service_description     HTTP Login Page
    check_command           check_http_full!443!/login!5!10!Welcome
}

四、服务依赖

4.1 依赖概念

服务依赖用于避免级联告警：

Web 服务 (HTTP)
    │
    └── 依赖于 → 数据库服务 (MySQL)
                   │
                   └── 依赖于 → 磁盘服务 (Root Disk)

4.2 依赖定义

# HTTP 依赖于 MySQL
define servicedependency {
    host_name                       web-server-01
    service_description             HTTP
    dependent_host_name             web-server-01
    dependent_service_description   MySQL Connection
    execution_failure_criteria      c,u  # 执行失败标准
    notification_failure_criteria   c,u  # 通知失败标准
    inherits_parent                 1    # 继承父依赖
}

# MySQL 依赖于磁盘
define servicedependency {
    host_name                       db-server-01
    service_description             MySQL
    dependent_host_name             db-server-01
    dependent_service_description   Root Disk
    execution_failure_criteria      c
    notification_failure_criteria   c
}

# 跨主机依赖
define servicedependency {
    host_name                       db-server-01
    service_description             MySQL
    dependent_host_name             web-server-01
    dependent_service_description   HTTP
    execution_failure_criteria      w,u,c
    notification_failure_criteria   w,u,c
}

4.3 依赖失败标准

标志	含义	说明
`o`	OK	依赖服务为 OK 时触发
`w`	WARNING	依赖服务为 WARNING 时触发
`u`	UNKNOWN	依赖服务为 UNKNOWN 时触发
`c`	CRITICAL	依赖服务为 CRITICAL 时触发
`n`	None	任何状态都不触发（无依赖）
`p`	Pending	依赖服务处于 Pending 状态时触发

4.4 主机依赖

define hostdependency {
    host_name                   gateway
    dependent_host_name         web-server-01
    execution_failure_criteria  d,u
    notification_failure_criteria   d,u
    inherits_parent             1
}

五、时间段配置

5.1 时间段定义

# 24x7 全天候
define timeperiod {
    timeperiod_name 24x7
    alias           24 Hours A Day, 7 Days A Week
    sunday          00:00-24:00
    monday          00:00-24:00
    tuesday         00:00-24:00
    wednesday       00:00-24:00
    thursday        00:00-24:00
    friday          00:00-24:00
    saturday        00:00-24:00
}

# 工作时间（周一到周五 9:00-18:00）
define timeperiod {
    timeperiod_name workhours
    alias           Normal Work Hours
    monday          09:00-18:00
    tuesday         09:00-18:00
    wednesday       09:00-18:00
    thursday        09:00-18:00
    friday          09:00-18:00
}

# 非工作时间
define timeperiod {
    timeperiod_name nonworkhours
    alias           Non-Work Hours
    sunday          00:00-24:00
    monday          00:00-09:00,18:00-24:00
    tuesday         00:00-09:00,18:00-24:00
    wednesday       00:00-09:00,18:00-24:00
    thursday        00:00-09:00,18:00-24:00
    friday          00:00-09:00,18:00-24:00
    saturday        00:00-24:00
}

# 周末
define timeperiod {
    timeperiod_name weekends
    alias           Weekends
    sunday          00:00-24:00
    saturday        00:00-24:00
}

# 排除节假日
define timeperiod {
    timeperiod_name workhours-with-exceptions
    alias           Work Hours With Exceptions
    use             workhours
    exclude         holidays
}

define timeperiod {
    timeperiod_name holidays
    alias           Holidays
    january 1       00:00-24:00   # 元旦
    july 4          00:00-24:00   # 国庆节
    december 25     00:00-24:00   # 圣诞节
}

5.2 时间段应用

# 检查时间段：何时执行检查
define service {
    ...
    check_period    24x7
}

# 通知时间段：何时发送通知
define service {
    ...
    notification_period workhours
}

# 组合使用：全天检查，但只在工作时间通知
define service {
    use                     generic-service
    host_name               dev-server-01
    service_description     Disk Space
    check_command           check_disk!20%!10%!/
    check_period            24x7
    notification_period     workhours
}

六、服务通知

6.1 通知选项

notification_options    w,u,c,r
# w = WARNING
# u = UNKNOWN
# c = CRITICAL
# r = RECOVERY（从异常恢复到正常）
# n = None（不发送通知）

6.2 通知场景配置

# 关键服务：所有状态变化都通知
define service {
    use                     generic-service
    host_name               critical-server
    service_description     Core Application
    check_command           check_app
    notification_options    w,u,c,r
    notification_interval   15   # 15分钟重复通知
    contact_groups          critical-ops
}

# 一般服务：只通知严重问题
define service {
    use                     generic-service
    host_name               dev-server-01
    service_description     Log Rotation
    check_command           check_logrotate
    notification_options    c,r
    notification_interval   1440  # 24小时重复通知
    contact_groups          ops-team
}

# 监控服务：不通知，仅记录
define service {
    use                     generic-service
    host_name               any-host
    service_description     SNMP Community
    check_command           check_snmp_community
    notifications_enabled   0
}

6.3 通知间隔配置

场景	通知间隔	说明
核心业务	5-15 分钟	快速响应
一般服务	30-60 分钟	正常响应
非关键服务	120-1440 分钟	低优先级
已知问题	0（仅首次）	不重复通知

七、服务组

7.1 服务组定义

define servicegroup {
    servicegroup_name   web-services
    alias               Web Services
    members             web-server-01,HTTP,web-server-01,HTTPS,web-server-01,HTTP Login
    notes               All web-related services
    notes_url           /nagios/cgi-bin/extinfo.cgi?type=5&servicegroup=web-services
    action_url          /nagios/cgi-bin/cmd.cgi?cmd_typ=84&servicegroup=web-services
}

define servicegroup {
    servicegroup_name   db-services
    alias               Database Services
    members             db-server-01,MySQL,db-server-01,MySQL Slave,db-server-01,MySQL Disk
}

7.2 服务组的成员格式

# 格式: 主机名,服务描述,主机名,服务描述,...
members     host1,service1,host2,service2

# 示例:
members     web-01,HTTP,web-01,HTTPS,web-02,HTTP,web-02,HTTPS

八、易失性服务

8.1 概念

易失性服务（Volatile Service）每次检查结果都触发通知，即使状态未变化：

define service {
    use                     generic-service
    host_name               security-server
    service_description     Intrusion Detection
    check_command           check_ids_alerts
    is_volatile             1    # 启用易失性
    notification_options    w,u,c,r
    max_check_attempts      1    # 不重试
}

8.2 适用场景

场景	说明
安全告警	每次告警都需要通知
日志监控	每次发现异常日志都需要通知
计数监控	每次计数变化都通知

九、业务场景示例

9.1 Web 服务器监控配置

# HTTP 检查
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     HTTP
    check_command           check_http!80!/
    contact_groups          web-ops
}

# HTTPS 检查
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     HTTPS
    check_command           check_https!443!/
    contact_groups          web-ops
}

# SSL 证书检查
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     SSL Certificate
    check_command           check_ssl_cert!30!7
    check_interval          1440   # 每天检查一次
    contact_groups          web-ops,security-team
}

# 磁盘检查
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     Root Partition
    check_command           check_disk!10%!5%!/
}

# 磁盘检查 - /var
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     Var Partition
    check_command           check_disk!15%!10%!/var
}

# CPU 负载
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     CPU Load
    check_command           check_load!5,4,3!10,8,6
}

# 内存使用率
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     Memory Usage
    check_command           check_memory!80%!95%
}

# 进程数
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     Apache Processes
    check_command           check_procs!5!10!httpd
}

# SSH 服务
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     SSH
    check_command           check_ssh
}

9.2 数据库服务器监控配置

# MySQL 检查
define service {
    use                     generic-service
    host_name               db-server-01
    service_description     MySQL
    check_command           check_mysql_health!connection-time!5!10
    contact_groups          dba-team
}

# MySQL 连接数
define service {
    use                     generic-service
    host_name               db-server-01
    service_description     MySQL Connections
    check_command           check_mysql_health!threads-connected!150!200
    contact_groups          dba-team
}

# MySQL 慢查询
define service {
    use                     generic-service
    host_name               db-server-01
    service_description     MySQL Slow Queries
    check_command           check_mysql_health!slow-queries!10!50
    notification_options    c,r
    contact_groups          dba-team
}

# MySQL 复制状态
define service {
    use                     generic-service
    host_name               db-slave-01
    service_description     MySQL Replication
    check_command           check_mysql_health!slave-lag!60!300
    contact_groups          dba-team
}

9.3 网络设备监控配置

# SNMP 接口状态
define service {
    use                     generic-service
    host_name               core-switch
    service_description     Interface Eth0
    check_command           check_snmp_interface!eth0!100M!90%
    contact_groups          network-ops
}

# SNMP CPU 使用率
define service {
    use                     generic-service
    host_name               core-switch
    service_description     CPU Usage
    check_command           check_snmp_cpu!80%!95%
    contact_groups          network-ops
}

# SNMP 内存使用率
define service {
    use                     generic-service
    host_name               core-switch
    service_description     Memory Usage
    check_command           check_snmp_mem!80%!95%
    contact_groups          network-ops
}

十、注意事项

注意事项	说明
service_description 唯一	同一主机上的服务描述必须唯一
阈值合理性	阈值设置过严会产生告警风暴
检查间隔平衡	过于频繁影响性能，过于稀疏延迟发现问题
通知升级	重要服务应配置通知升级策略
依赖关系	合理设置依赖避免级联告警
被动检查	对于无法主动检查的服务使用被动检查

十一、本章小结

服务定义通过 check_command 关联检查逻辑
阈值设置需要根据业务特点合理调整
服务依赖避免级联告警
时间段配置控制检查和通知的执行时机
服务组便于批量管理相关服务

下一章：第6章：联系人与通知 - 学习如何配置联系人、通知命令和通知升级策略。