1、SOFTWARE软 件2023第 44 卷 第 9 期2023 年Vol.44,No.9作者简介:吕梦霞(2000),女,硕士研究生,研究方向:智能感知。通讯作者:孙丽菊(1973),女,硕士,研究方向:人工智能、公司 IT 系统并购与拆分、云计算。公司并购后云平台监控系统的构建吕梦霞1 孙丽菊2 张海腾3 冷春霞3(1.中国科学技术大学,安徽合肥 230026;2.霍尼韦尔(中国)有限公司,上海 201203;3.华东理工大学,上海 200237)摘要:公司并购后,需要对被并购公司的 IT 资源进行有效整合和管理,以便实现协同效应。云平台作为一个有效而经济的方案被广泛用于整合后被收购公司的数
2、据存储、迁移、灾备等方面。鉴于此,公司 IT 部门基于 OpenStack 构建了一个云平台。本文在构建好的云平台基础上拓展资源监控系统。资源监控主要利用监控工具 Prometheus 收集云平台虚拟资源和服务器物理资源的监控数据,通过可视化工具 Grafana 实时显示监控数据。管理员通过对云平台资源的监控以及对云基础设施进行统一管理和配置,可以对资源进行再分配、调整和重组,实现并购后公司间 IT 资源的合理利用和优化,为整合后企业进一步的扩张和增长奠定基础。关键词:公司并购;IT 资源整合;云平台;资源监控中图分类号:TP311.51 文献标识码:A DOI:10.3969/j.issn.
3、1003-6970.2023.09.047本文著录格式:吕梦霞,孙丽菊,张海腾,等.公司并购后云平台监控系统的构建J.软件,2023,44(09):176-179Construction of Cloud Platform Monitoring System After CompanyMerger and AcquisitionLV Mengxia1,SUN Liju2,ZHANG Haiteng3,LENG Chunxia3(1.University of Science and Technology of China,Hefei Anhui 230026;2.Honeywell(China
4、)Co.,Ltd.,Shanghai 201203;3.East China University of Science and Technology,Shanghai 200237)【Abstract】:To maximize the synergy,various IT resources need to be integrated and well managed after a new business M&A.As an effective and cost competitive solution,virtual cloud computing platform is widely
5、 used in data storage,migration and disaster recovery etc.for newly acquired company.In consideration of this,companys IT department usually builds a virtual cloud computing platform based on OpenStack.This article develops and expands a new resource monitoring system on a running cloud platform.A s
6、pecially designed monitoring tool Prometheus is used to collect data and information of virtual resources,as well as server physical resources on the cloud platform,in the meanwhile to display the monitoring data simultaneously through the visualization tool Grafana.By monitoring cloud platform reso
7、urces and uniformly managing and configuring cloud infrastructure,administrators can reallocate,adjust,and achieve best utilization and optimization of internal IT resources.This will significantly facilitate the entire IT integration,and ultimately support business growth for the true purpose of M&
8、A.【Key words】:business mergers and acquisitions;IT resource integration;cloud platforms;resource monitoring设计研究与应用0 引言作为一种常见的战略手段,公司并购(M&A)可帮助企业实现快速扩张和规模增长,但是公司并购也通常会给 IT 系统、数据和流程地整合带来复杂的挑战1-3。云平台集成了服务器、存储和网络带宽等资源并提高了资源的利用率,为促进并购过程中和并购后的 IT 整合提供了一个强大的解决方案。借助云平台,企业可以根据实际需求对这些资源动态地分配、管理和监控,优化利用,简化整合流程
9、,从而最大化资源利用率并降低硬件成本,实现业务协同4-7。监控作为云计算平台的重要组成部分,可以帮助云计算平台动态量化资源使用量,如 CPU 利用率、内存使用、网络带宽等,对提高云计算平台的服务质量起着重要作用。本文致力于公司并购后在构建好的私有云平台基础177吕梦霞 孙丽菊 张海腾等:公司并购后云平台监控系统的构建上拓展资源监控功能,实时监控云平台资源使用情况。资源监控部分可对用于部署云平台的服务器的物理资源和云平台的虚拟资源的使用情况进行监控,利用监控工具Prometheus 收集云平台虚拟资源和服务器物理资源的监控数据,通过可视化工具 Grafana 实时显示监控数据。1 系统分析云平台
10、资源使用情况不断变化,如果资源使用率过高,将会影响云平台的稳定性和可靠性。全面的监控服务使管理员能够快速识别资源使用异常状况、发现系统故障、定位并诊断故障原因,从而合理利用资源,提高系统可靠性8-11。云平台监控用例图如图 1 所示。其面向的用户是系统管理员,监控部分对用于部署云平台的服务器以及云平台本身的服务进行监控,用户可以通过云服务监控查看云平台提供的虚拟计算资源 VCPU、虚拟内存、虚拟存储资源磁盘、虚拟网络资源如 IP 地址的使用情况等;用户通过服务器监控对真实物理机进行监控,以掌握控制节点、计算节点、存储节点和网络节点中任一服务器的 CPU、内存、磁盘的使用情况以及系统状态信息(包
11、括开机、中断等)。管理员以此来知悉整个系统的资源使用情况,从而可以判断是否需要增加或减少计算节点、存储节点和网络节点,判断是否某服务器资源负载过高或是状态出错,或归属于某用户某项目的云主机是否占用资源过多而对平台中其他云主机造成影响。VCPU使用情况虚拟内存使用情况控制节点计算节点OpenStack_exporternode_exporternode_exporter虚拟网络IP使用情况云服务监控服务器监控系统管理员CPU使用情况内存统计信息磁盘使用情况系统状态统计信息图 1 云平台监控用例图Fig.1 Cloud platform monitoring use case diagram2 系
12、统设计2.1 监控部署架构监控部分通过在 OpenStack 云平台的每个节点部署 Node_Exporter 来实现每个节点的系统数据收集,并通过在控制节点中部署 Openstack_Exporter 来实现整个 OpenStack 云平台的数据收集,其物理部署方案如图 2 所示。Exporter 将监控数据采集的端点通过 HTTP服务的形式暴露给 Prometheus Server,Prometheus Server 通过访问该 Exporter 提供的 Endpoint 端点,即可获取到需要采集的监控数据。该系统将 Exporter 收集的数据传输到 Prometheus,Prometh
13、eus 收集并存储数据,Grafana 读取数据,然后整合数据以进行显示。node_exporter控制节点计算节点OpenStack_exporternode_exporter图 2 监控信息采集器物理部署Fig.2 Physical deployment of monitoring information collector2.2 物理资源监控Node-exporter 用于采集类 UNIX 内核的硬件以及系统指标,它默认的抓取 URL 地址是 http:/ip:9100/metrics。Node-exporter用于采集Node的运行指标,包括Node的CPU、Load、Filesyst
14、em、Meminfo、Network等基础监控指标,其主要监控项详细信息如表 1 所示。表 1 服务器监控项Tab.1 Server monitoring items监控项描述CPU收集 CPU 统计信息Diskstates收集磁盘 I/O 统计信息Filesystem文件系统使用信息,如磁盘已使用空间Infiniband从 InfiniBand 配置中收集网络统计信息Loadavg收集系统负载信息Mdadm获取设备统计信息Meminfo内存统计信息Netdev网口流量统计信息,单位 bytesNetstat收集网络统计数据Stat收集各种统计信息,包含系统启动时间、forks、中断等Unam
15、e通过 uname 系统调用,获取系统信息2.3 虚拟资源监控Prometheus-openstack-exporter 是用于提供OpenStack 各组件服务状态信息给Prometheus的项目。Openstack_exporter 主要收集 OpenStack 云平台的基本数据,如内存、VCPU、磁盘、实例数量、网络等。Openstack_exporter 的主要监控项信息如表 2 所示。3 系统实现3.1 物理资源监控实现安装启动控制节点和计算节点的node_exporter后,178软 件第 44 卷 第 9 期SOFTWARE利用Prometheus的static_configs来
16、拉取node_exporter的数据。编辑prometheus.yml文件(前提:prometheus以安装并启动),添加内容:-job_name:agcontrollerstatic_configs:-targets:192.168.145.10:9100-job_name:agcomputestatic_configs:-targets:192.168.145.20:9100重启 Prometheus,然后在 Prometheus 页面中的Targets 中就能看到新加入的 Node。节点监控信息入口如图 3 所示。3.2 虚拟资源监控实现安装启动控制节点的 openstack_expor
17、ter 后,利用 Prometheus 的 static_configs 来拉取 openstack_exporter 的数据。编辑 prometheus.yml 文件(前提:prometheus 以安装并启动),添加内容:-job_name:openstack_exporstatic_configs:-targets:192.168.145.10:9183重启 Prometheus,然后在 Prometheus 页面中的Targets 中就能看到新加入的条目信息。图 3 节点监控信息入口Fig.3 Node monitoring information entry图 4 控制节点监控信息可视
18、化Fig.4 Visualization of control node monitoring information图 5 计算节点监控信息可视化Fig.5 Visualization of monitoring information for computing nodes表 2 虚拟资源监控项Tab.2 Virtual Resource Monitoring Items监控项描述Meminfo收集内存统计信息VCPUs收集 VCPUs 统计信息RAM收集 RAM 统计信息CPU收集 CPU 统计信息Disk收集磁盘统计信息,如磁盘剩余空间、磁盘空间利用率Instances收集云主机统计信
19、息,如云主机的数量、活跃的云主机数量Neutron收集网络统计信息,如虚拟路由器数量等http:/192.168.145.20:9100/metricsinstance=192.168.145.20:9100job=agcomputeagcontroller(1/1 up)show lessagcompute(1/1 up)show less16.272s ago36.759mshttp:/192.168.145.20:9100/metricsEndpointStateLabelsLast ScrapeScrapeDuration ErrorEndpointStateLabelsLast Sc
20、rapeScrapeDuration Errorinstance=192.168.145.20:9100job=agcontroller15.288s ago24.147ms179吕梦霞 孙丽菊 张海腾等:公司并购后云平台监控系统的构建3.3 监控结果可视化Grafana从Prometheus 读取openstack_expoter 收集的系统数据,并在集成处理后进行可视化显示。Grafana设置数据源,以从Prometheus的node_expoter中读取系统数据,集成处理后进行可视化显示。控制节点和计算节点可视化显示如图 4 和图 5 所示。4 结论本系统是在公司并购大环境下,利用云平台
21、进行IT 资源整合,开发了一个云端监控系统,实现对云端资源进行一个监控、管理和优化,该系统的实现可以监控平台中的各种资源,如虚拟机、存储器和网络等,以帮助用户更好地了解云资源的使用情况和状态。进一步通过云监控,管理员可以及时发现资源的异常情况以及预估并购带来的新资源需求,进而采取相应的措施,确保云平台的稳定和高效运行,从而帮助公司优化资源的配置和使用方式,有效支持公司并购后 IT 系统的有机整合,最小化并购后对被并购公司业务的影响。后面系统将进一步增加日志管理、提供警报和自动化响应机制,帮助用户更快速、更准确地响应资源的问题,确保云计算的稳定和高效运行。参考文献1 WANG L Z,LASZE
22、WSKI G V,YOUNGE A,et al.Cloud Computing:A Perspective StudyJ.New Generation Computing,2010,28(2):137-146.2 罗晓慧.浅谈云计算的发展J.电子世界,2019(8):104.3 李文军.计算机云计算及其实现技术分析J.军民两用技术与产品,2018(22):57-58.4 Linley.An Overview of Open Source Software for Building Cloud Computing PlatformsJ.Computer Science,2012,39(11):1
23、-28.5 HAN F F,PENG J J,ZHANG W,et al.Virtual Resource Monitoring in Cloud ComputingJ.Journal of Shanghai University(Engl Ed),2011,15(5):381-385.6 周丹.专有云建设推动IT架构转型实践J.金融科技时代,2021(2):27-33.7 LIU F Y.Research and Implementation of Virtual Machine Monitoring and Control under OpenStack Cloud Platform D.
24、Chengdu:University of Electronic Science and Technology,2013.8 刘黎明,杨晶.云计算应用基础M.成都:西南交通大学出版社,2015.9 英特尔亚太研发公司.OpenStack设计与实现M.北京:电子工业出版社,2020.10 许豪.云计算导论M.西安:西安电子科技大学出版社,2015.11 韩璞.OpenStack技术原理与实战M.西安:西安电子科技大学出版社,2016.9 LI J,ZHAO Y F,YE W H,et al.Attentive Deep Stitching and Quality Assessment for 3
25、60 Omnidirectional ImagesJ.IEEE Journal of Selected Topics in Signal Processing,2019(1):209-221.10 杜往泽,宋执环,闫文博,等.单摄像头旋转监控下的快速图像拼接J.中国图象图形学报,2016,21(02):245-254.11 傅子秋,张晓龙,余成,等.多场景下基于快速相机标定的柱面图像拼接方法J.光电工程,2020,47(4):74-86.12 刘畅,金立左,费树岷,等.固定多摄像头的视频拼接技术J.数据采集与处理,2014,29(1):126-133.13 王冬,刘凤英,陈天恩,等.一种相机标
26、定参数的柱面全景影像拼接方法J.测绘科学,2016,41(07):150-154+143.14 SEO S,JEONZ S,LEE S.Efficient Homography Estimation Method for PanoramaC/Proceedings of the 19th Korea-Japan Joint Workshop on Frontiers of Computer Vision,2013:209212.15 LOWE D G.Distinctive Image Features from Scale-Invariant KeypointsJ/OL.Internatio
27、nal Journal of Computer Vision,2004,60(2):91-110.16 BAY H,TUYTELAARS T,VAN GOOL L.SURF:Speeded Up Robust FeaturesM/OL/Computer VisionECCV 2006,Lecture Notes in Computer Science.2006:404-417.http:/dx.doi.org/10.1007/11744023_32.17 ZHANG Z.A Flexible New Technique for Camera CalibrationJ/OL.IEEE Trans
28、actions on Pattern Analysis and Machine Intelligence,2002:1330-1334.http:/dx.doi.org/10.1109/34.888718.18 XU Y,ZHOU Q H,GONG L W,et al.High-speed Simultaneous Image Distortion Correction Transformations for a Multicamera Cylindrical Panorama Real-time Video System Using FPGAJ.IEEE Transactions on Circuits and Systems for Video Technology,2014,24(6):10611069.上接第83页