最近把日常在用的三份 Zabbix 7.0 模板整理成仓库放出来了,Gitee 和 GitHub 各一份。导出前做过一遍去内部化:改了显示名和技术名,换掉那些借用标准键名的自造项,内部路由标签换成中性标签,所以拿去改改就能用。
三个模板有个共同点,就是尽量不在被监控端装东西。要么由 server/proxy 直接发 HTTP,要么只依赖主机上本来就有的命令和普通 agent,不引 exporter、不装 Instant Client、不改服务端配置。下面一个个说。
一、Web Apps by HTTP:一份宏管一台机器上的所有 Web 应用
一台机器上跑五六个前端和后台,为每个应用建一遍主机、链一遍模板,这种事做过一次就不想再来第二次。这个模板把应用清单写成一个主机宏:
{$WEBAPP.LIST} = erp:3000,api:5000:/health,admin:8443:/login
发现脚本把它拆开,每个应用自动生成两个监控项和两条告警。一个看 HTTP 可达性,状态码要落在 {$WEBAPP.STATUS_CODES} 圈定的区间里(默认 200 到 399);另一个用正则从页面里把 <title> 提出来。这两条是分开做的,因为”端口通但页面渲染不出来”是真实存在的一类故障:进程活着、端口在听、页面是白屏,只查可达性报不了。
增删应用只改这一行宏,模板不用复制。{$WEBAPP.TITLE.REGEXP} 换成能匹配 JSON 字段的正则,就能拿去盯纯接口服务。
README 里写清了限制:外部脚本必须放在实际执行采集那一侧(server 或 proxy)的 externalscripts,放被监控端无效;脚本文件名必须和键名一致;{HOST.IP} 只能在项的 URL 里用,写进宏值不会展开。
- Gitee:https://gitee.com/xuuz/zabbix-template-webapps
- GitHub:https://github.com/914885670/zabbix-template-webapps
二、Oracle Legacy by Agent:官方模板不支持的老库
Zabbix 官方的 Oracle by Zabbix agent 2 要求 Oracle 12c R2 以上,走 ODBC 又得在 server 上装 Instant Client 和 unixODBC。可现实里还有一批 10g、11g 的库在跑,不能随便装东西,也不想为了监控给 server 加依赖。
这个模板只要数据库主机自带的 sqlplus 和一个普通 Zabbix agent,v1 就够。采集链路是这样:cron 每 5 分钟跑一次脚本,一次 sqlplus 会话里把二十来条 SQL 全查完,落成一个 JSON 文件;agent 用 vfs.file.contents 读这个文件,再用依赖项的 JSONPath 把字段拆出来。一次采集只开一个数据库会话,对老库基本没有负担。
覆盖实例状态、会话与进程占用、归档、FRA、离线数据文件、无效对象、表空间(LLD 自动发现),外加 alert log 的增量 ORA- 计数。13 条触发器用 scope 标签分三档:availability 是要立刻找人的,notice 和 trend 只进日报。模板只负责打标签,怎么发信由你自己的动作决定。
有两处是踩过坑才写进去的。
一是 JSON 文件超过 {$ORACLE.STALE} 秒没更新会单独告警。采集器静默死掉、数据一直停在老值上,这种情况比误报更难发现,因为看板上什么都正常。
二是表空间固定排除 TEMP。10g 的 v$temp_space_header 数值不可信,实测报 32G 全满而当时实际排序只用了 13MB。宁可不做这一项,也不能给人看错数。
README 里专门有一节写”不覆盖什么”:RAC、Data Guard、ASM、CDB/PDB、等待事件、top SQL、SGA/PGA、RMAN 备份状态都不做。如果你的库是 12c R2 以上,直接用官方 agent 2 模板,两者不冲突,这个模板的定位就是官方覆盖不到的那一段。实测环境是 Oracle 10.2.0.4。
- Gitee:https://gitee.com/xuuz/zabbix-template-oracle-legacy
- GitHub:https://github.com/914885670/zabbix-template-oracle-legacy
三、Nacos Service Monitor by HTTP:给注册中心装个看门狗
Spring Cloud 和 Dubbo 把服务注册在 Nacos 上,注册中心自己却是没人看的。它一抽风,你分不清到底是服务掉了还是只是”看不见了”。社区常见做法是在 agent 上挂 Python 脚本、用 UserParameter 逐个服务轮询,或者干脆上 Prometheus 加 Nacos exporter 再配 Grafana。官方没有 Nacos 模板。
这个模板只走 HTTP,服务发现靠两个几十行的 bash + wget 脚本完成。不装 exporter,不改 Nacos 配置,不重启,默认没开鉴权的 Nacos 连账号都不需要。真开了鉴权就把 {$NACOS.AUTH} 填成对应的查询串。
设计上比较在意的几点:
一次请求拿全量目录。 catalog/services 每分钟一次就能覆盖所有服务,其余字段靠依赖项拆出来。只有”实例明细”是每个服务一次请求,注册中心大了可以把它关掉。18 个服务的规模下大约每分钟 21 次 HTTP 请求,主机上 128 个项、88 条触发器;服务数涨到 200 大约 1200 个项。
按 group 加 service 双维度发现,不按服务名合并。 同名服务在 DEFAULT_GROUP 和另一个业务组各注册一份是常见情况,按名字合并会丢数据。实测一套只有 12 个唯一服务名的 Nacos,注册记录实际有 18 条。
告警要能自证。 只报”某服务不健康”没有行动价值,事件名里直接给出不健康实例的 IP,看一眼就知道该查哪台。CPU 和负载各做 Warning 与 High 两档,Warning 只进日报,High 才发邮件。
短板也写在 README 里。Nacos 2.2.1 的 mem 指标恒为 1,源码里 EnvUtil.getMem() 是 1 - 整数除法(free/total),只要 free 小于 total 就永远返回 1.0,实测 46 个样本全是 1.0,所以模板只采集不拿它告警,内存得靠宿主机 agent 的 vm.memory.utilization。另外没有集群、raft、JVM 指标,依赖的 /nacos/v1/ 端点在 3.x 有移除风险。验证环境是 Zabbix 7.0.30 加 Nacos 2.2.1 standalone。
- Gitee:https://gitee.com/xuuz/zabbix-template-nacos
- GitHub:https://github.com/914885670/zabbix-template-nacos
三个仓库的共同约定
阈值全部走用户宏,不改模板本体就能调。告警分级靠标签(svc、scope、component),模板不预设你的发信策略。导入后都落在 Templates/Applications 组。许可证分两块:模板文件是 GPL v2.0,跟 Zabbix 官方模板保持一致;scripts/ 下的脚本是 MIT。每个 README 都有一节”已知限制”,写的是实际踩过的东西,不是免责式的套话。
哪里不对或者想加字段,仓库开 issue 就行。