技(jì )术资料

上一期，从“研发动机”、“产(chǎn)品期望”、“版本特点”和“迭代路線(xiàn)”四大方面入手，和大家畅谈了“强大好用(yòng)”的融合计算门户平台OGSP。相对于1.0版本，2.0版本在集群管理(lǐ)上增加了实时健康监控，本期就让我们聚焦OGSP集群展示的重要模块之一——奥工(gōng)集群监控软件OGCR。

随着集群数据激增，对集群有(yǒu)效监控的需求越来越迫切，然而在实践中(zhōng)发现不同角色需求的出发点又(yòu)有(yǒu)很(hěn)大不同。

集群管理(lǐ)员会想：“集群现在处于什么状态？是否存在隐患？”

集群用(yòng)户会想：“我的作(zuò)业运行情况如何？预计什么时候能(néng)完成？”

奥工(gōng)小(xiǎo)分(fēn)队会想：“我们可(kě)以看到计算资源的趋势并更好的分(fēn)配利用(yòng)资源吗？”

以上这些需求，是人力所不能(néng)為(wèi)的，所以一款可(kě)以收集集群计算运行各个指标，对集群资源使用(yòng)情况进行实时监控，并能(néng)及时发现异常情况，第一时间通知到相关人员，将损失降到最低、把性能(néng)调到最优的集群监控软件就变得至关重要。

OGCR（Ongineer Control Rom）奥工(gōng)集群监控软件正是这样一款具(jù)备监控集群各个方面的监控软件，包括硬件、操作(zuò)系统、物(wù)理(lǐ)环境，作(zuò)业调度，文(wén)件系统的监控平台。它可(kě)以通过多(duō)样化图表，实时展现当前集群的状态，还能(néng)用(yòng)来展示和通知集群使用(yòng)相关的提醒和告警。

OGSP的兼容性极强，OGCR自然一脉相承。OGCR是个“不挑”的软件模块，只要有(yǒu)操作(zuò)系统就能(néng)安(ān)装(zhuāng)，在任意需要监控的IBM、HP、DELL全系列刀(dāo)片服務(wù)器和机架服務(wù)器上都可(kě)以进行安(ān)装(zhuāng)，硬件要求几乎低到可(kě)以忽略不计的地步。对于软件环境，OGCR的操作(zuò)系统支持范围也非常广，包括RedHat、CentOS、Ubuntu和國(guó)产(chǎn)中(zhōng)标麒麟系统等等。

可(kě)以说，OGCR对软硬件环境的要求做到了几乎“0门槛”。OGCR是个“仔细”的软件模块，从基础架构的健康状况到上层应用(yòng)的使用(yòng)情况通通包含在监控范围之内，覆盖风险告警、操作(zuò)系统、文(wén)件系统、作(zuò)业调度和硬件监控五大维度。

风险告警是OGCR最重要的功能(néng)没有(yǒu)之一，可(kě)以从各个维度监控到集群实时的运行情况，包括集群环境、内存容量、存储空间、CPU、GPU、节点异常情况、作(zuò)业排队情况等等，只要触发了告警规则，OGCR会在第一时间通知到负责人，以便及时处理(lǐ)问题。

以机房环境為(wèi)例，常年“驻扎”在现场的奥工(gōng)小(xiǎo)分(fēn)队对集群统一感受就是“冷”，可(kě)见机房对温度的控制非常严格，常规会设定温度超过30℃进行告警，当然只要你愿意可(kě)以设定更低。同样，机房的湿度也要严格把控，湿度过高对線(xiàn)路隐患极大，及时告警保证了机房的基本运行安(ān)全。

（监控告警系统：环境温度、硬件告警、节点告警）

（操作(zuò)系统：内存、CPU、GPU、负载、使用(yòng)率）

（文(wén)件系统：空间使用(yòng)率、磁盘状态、节点挂载、用(yòng)户配额）

（作(zuò)业调度系统：节点状态、队列明细、队列核数、实时作(zuò)业情况、机时汇总）

（硬件监控系统：开关机、内存、磁盘、電(diàn)源）

奥工(gōng)出品，必出精(jīng)品！那么，OGCR到底有(yǒu)什么与众不同的优势呢(ne)？

首先，安(ān)装(zhuāng)部署快捷简单。相对于耗时長(cháng)、步骤繁、人员要求高的监控软件，OGCR做到了极简化的一键安(ān)装(zhuāng)、快速部署，大大提高了安(ān)装(zhuāng)部署效率。

其次，页(yè)面设计美观简洁。美观的基础要求是“整洁”，OGCR页(yè)面功能(néng)模块划分(fēn)清晰、菜单设计人性化、可(kě)视性强；美观的升级要求是“好看”，其监控信息展示形式多(duō)样（包括饼状图、柱状图、折線(xiàn)图等等），信息颜色區(qū)分(fēn)明显，红色标识异常节点、绿色标识正常节点、黄色标识超过常规设定的情况，一目了然。

最后，告警机制非常优越。告警阈值设定灵活，OGCR本身默认有(yǒu)一些告警规则的设定，启动和暂停“点击”即可(kě)。除默认规则，还可(kě)以通过告警规则对应的设置按钮可(kě)以行相关告警条目的规则设定，实现定制化告警；另外，告警通知的方式多(duō)样，可(kě)以通过邮件、微信等方式进行告警，保证信息及时传达。

作(zuò)為(wèi)一款有(yǒu)生命力的软件，OGSP将会持续迭代，其核心模块OGCR更会不断更新(xīn)完善，客户的声音和小(xiǎo)伙伴们的支持一直都是它快速发展的推动力，鼓励着奥工(gōng)做出一款“想客户所想”的融合计算服務(wù)门户。