考慮到業(yè)務(wù)部門(mén)是隨機(jī)性的出現(xiàn)10分鐘左右的中斷，如果機(jī)器存在硬件故障，那么美信CreCloud云網(wǎng)管肯定也會(huì)有所體現(xiàn)。美信CreCloud云網(wǎng)管對(duì)ping值的反饋是默認(rèn)每2分鐘一次，3000ms算超時(shí)，7*24小時(shí)任務(wù)制。我們查看ping的監(jiān)控點(diǎn)，同時(shí)自定義發(fā)生故障的日期，可以查看到在此期間，ping的服務(wù)成功率是100%，同時(shí)相應(yīng)時(shí)間最長(zhǎng)也不超過(guò)8ms，并沒(méi)有發(fā)現(xiàn)如業(yè)務(wù)部門(mén)所說(shuō)的情況。

繼續(xù)檢查CPU利用率的情況，發(fā)現(xiàn)利用率較低，同時(shí)服務(wù)成功率也是100%。

在物理內(nèi)存方面的檢測(cè)依然沒(méi)有發(fā)現(xiàn)任何問(wèn)題。

以同樣的方法在0.61的服務(wù)器上進(jìn)行了排查，結(jié)果和上面的并無(wú)二致。因此可以判斷問(wèn)題并不在網(wǎng)絡(luò)硬件方面。

最終與業(yè)務(wù)部門(mén)共同檢查，發(fā)現(xiàn)問(wèn)題出在“應(yīng)用”上。0.176上跑的是業(yè)務(wù)部門(mén)自己寫(xiě)的一個(gè)服務(wù)。于是我們將該服務(wù)添加到美信CreCloud云網(wǎng)管的監(jiān)控點(diǎn)上繼續(xù)排查故障。最終發(fā)現(xiàn)該服務(wù)隨機(jī)性的掛死，在測(cè)試的兩個(gè)小時(shí)內(nèi)，服務(wù)就掛掉了兩次。(在圖表中，實(shí)心區(qū)域是正常時(shí)間段，空心區(qū)域是服務(wù)失敗的時(shí)間段。)

在監(jiān)測(cè)數(shù)據(jù)列表中，還可以查看到發(fā)生故障狀態(tài)的具體時(shí)間，以及持續(xù)時(shí)間等詳細(xì)信息。

從業(yè)務(wù)部門(mén)提出疑惑，到我們給出專(zhuān)業(yè)的答案，整個(gè)過(guò)程不超過(guò)1個(gè)小時(shí)。領(lǐng)導(dǎo)對(duì)我們解決問(wèn)題的速度和專(zhuān)業(yè)性提出了肯定。而這個(gè)過(guò)程中，美信CreCloud云網(wǎng)管這種高效的工作機(jī)制和準(zhǔn)確簡(jiǎn)單的圖表可以說(shuō)是功不可沒(méi)。通過(guò)美信CreCloud云網(wǎng)管的圖表數(shù)據(jù)，我們和業(yè)務(wù)部門(mén)找到一種更快捷也更準(zhǔn)確的溝通方式。

yangkun