Nagios 监控运维完整教程 / 第4章：主机管理

第4章：主机管理

主机（Host）是 Nagios 监控体系的基本单位。本章详细讲解主机定义、主机检查、被动检查、父主机关系、主机分组及图标配置等核心内容。

一、主机定义基础

1.1 主机对象属性

define host {
    host_name               web-server-01          # 主机名称（唯一标识）
    alias                   Production Web Server   # 别名（描述性名称）
    address                 192.168.1.100           # IP 地址或域名
    display_name            Web Server 01           # 显示名称（可选）

    # 检查配置
    check_command           check_ping              # 检查命令
    max_check_attempts      3                       # 最大检查尝试次数
    check_interval          5                       # 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                       # 是否启用通知
    notification_interval   60                      # 通知间隔（分钟）
    notification_options    d,u,r                   # 通知选项
    notification_period     24x7                    # 通知时间段
    contact_groups          admins                  # 通知联系人组

    # 事件处理
    event_handler_enabled   1                       # 是否启用事件处理器
    event_handler           restart-service         # 事件处理器命令

    # 状态保持
    retain_status_information       1               # 保持状态信息
    retain_nonstatus_information    1               # 保持非状态信息

    # 高级选项
    process_perf_data       1                       # 是否处理性能数据
    active_checks_enabled   1                       # 是否启用主动检查
    passive_checks_enabled  1                       # 是否启用被动检查
    obsess_over_host        1                       # 是否监视主机
    flap_detection_enabled  1                       # 是否启用抖动检测
    failure_prediction_enabled  1                   # 是否启用故障预测
    check_freshness         0                       # 是否检查新鲜度

    # 模板
    use                     linux-server            # 继承模板

    # 图标和注释
    icon_image              linux40.gif             # 图标图片
    statusmap_image         linux40.gd2             # 状态地图图标
    vrml_image              linux40.png             # VRML 图标
    2d_coords               100,200                 # 2D 坐标
    3d_coords               100.0,200.0,50.0        # 3D 坐标
}

1.2 最小化主机定义

实际使用中，通常通过模板继承简化定义：

# 模板定义
define host {
    name                    linux-server
    max_check_attempts      3
    check_interval          5
    retry_interval          1
    check_period            24x7
    notification_interval   120
    notification_options    d,u,r
    notification_period     workhours
    contact_groups          admins
    check_command           check_ping!100,20%!500,60%
    register                0
}

# 实际主机定义（只需定义差异部分）
define host {
    use         linux-server
    host_name   web-server-01
    alias       Production Web Server
    address     192.168.1.100
}

二、主机检查

2.1 主机检查流程

主机检查触发
    │
    ▼
执行 check_command（通常为 check_ping）
    │
    ├─ 返回 OK → 状态设为 UP
    │
    └─ 返回 CRITICAL → 是否达到 max_check_attempts？
                        ├─ 否 → 状态设为 DOWN（软状态）
                        └─ 是 → 状态设为 DOWN（硬状态）→ 发送通知

2.2 常用主机检查命令

# check_ping - ICMP ping 检查
define command {
    command_name    check_ping
    command_line    $USER1$/check_ping -H $HOSTADDRESS$ -w $ARG1$ -c $ARG2$ -p 5
}

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

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

# check_host_alive - 综合主机存活检查
define command {
    command_name    check_host_alive
    command_line    $USER1$/check_ping -H $HOSTADDRESS$ -w 3000,100% -c 5000,100% -p 1
}

2.3 主机检查配置详解

配置项	说明	默认值	建议值
`max_check_attempts`	硬状态前的检查次数	3	关键主机 5, 一般 3
`check_interval`	正常检查间隔（分钟）	5	关键 1, 一般 5, 次要 15
`retry_interval`	异常重试间隔（分钟）	1	1-2
`check_period`	允许检查的时间段	24x7	根据业务调整
`check_command`	检查命令	无	必须定义

2.4 状态类型说明

状态类型	含义	触发条件
HARD	硬状态	达到 max_check_attempts
SOFT	软状态	未达到 max_check_attempts

# 示例：max_check_attempts = 3
# 第1次检查失败 → SOFT 1
# 第2次检查失败 → SOFT 2
# 第3次检查失败 → HARD 1 → 触发通知

三、被动检查

3.1 被动检查概念

被动检查（Passive Check）由外部系统提交结果，Nagios 不主动发起检查：

外部系统（脚本/监控代理）──→ 提交检查结果 ──→ Nagios Core
                                               │
                                               ▼
                                        处理被动检查结果
                                        更新主机/服务状态

3.2 启用被动检查

# 主机定义中启用被动检查
define host {
    use                     linux-server
    host_name               external-host
    alias                   External Host
    address                 203.0.113.10
    passive_checks_enabled  1
    active_checks_enabled   0  # 可选：禁用主动检查
    check_freshness         1  # 启用新鲜度检查
    freshness_threshold     300  # 5 分钟未收到更新视为过期
}

3.3 提交被动检查结果

# 通过命令文件提交被动主机检查结果
# 语法: [时间戳] PROCESS_HOST_CHECK_RESULT;主机名;状态码;输出信息
# 状态码: 0=UP, 1=DOWN, 2=UNREACHABLE

# 提示: 使用当前时间戳
echo "[$(date +%s)] PROCESS_HOST_CHECK_RESULT;external-host;0;Host is UP" \
    >> /var/log/nagios/rw/nagios.cmd

# 通过外部命令脚本提交
#!/bin/bash
CMD_FILE="/var/log/nagios/rw/nagios.cmd"
TIMESTAMP=$(date +%s)
HOST_NAME="external-host"
STATUS=0
OUTPUT="Host is alive - received heartbeat"

echo "[${TIMESTAMP}] PROCESS_HOST_CHECK_RESULT;${HOST_NAME};${STATUS};${OUTPUT}" \
    >> ${CMD_FILE}

3.4 新鲜度检查

新鲜度检查确保被动检查的数据不会过期：

define host {
    use                     linux-server
    host_name               snmp-device
    alias                   SNMP Monitored Device
    address                 192.168.1.200
    passive_checks_enabled  1
    active_checks_enabled   0
    check_freshness         1
    freshness_threshold     600  # 10 分钟未收到更新触发主动检查
    check_command           check_snmp_alive  # 过期时执行的检查命令
}

四、父主机关系

4.1 父主机概念

父主机（Parent Host）用于定义网络拓扑关系，帮助 Nagios 判断主机是否真正不可达：

                    Internet
                       │
                       ▼
               ┌──────────────┐
               │   Gateway    │ (父主机)
               │  192.168.1.1 │
               └──────────────┘
                    │       │
           ┌───────┘       └───────┐
           ▼                       ▼
   ┌──────────────┐       ┌──────────────┐
   │  Web Server  │       │  DB Server   │
   │ 192.168.1.10 │       │ 192.168.1.20 │
   └──────────────┘       └──────────────┘

4.2 配置父主机

# 定义父主机（网关）
define host {
    use         generic-switch
    host_name   gateway
    alias       Network Gateway
    address     192.168.1.1
    parents     internet-gateway  # 网关的父主机
}

# 定义子主机
define host {
    use         linux-server
    host_name   web-server-01
    alias       Web Server 01
    address     192.168.1.10
    parents     gateway  # 指定父主机
}

define host {
    use         linux-server
    host_name   db-server-01
    alias       DB Server 01
    address     192.168.1.20
    parents     gateway
}

4.3 多级父主机

# 多级网络拓扑
define host {
    use         generic-switch
    host_name   core-switch
    alias       Core Switch
    address     10.0.0.1
    parents     internet-router
}

define host {
    use         generic-switch
    host_name   access-switch-1
    alias       Access Switch 1
    address     10.0.1.1
    parents     core-switch
}

define host {
    use         linux-server
    host_name   server-01
    alias       Server 01
    address     10.0.1.10
    parents     access-switch-1
}

4.4 父主机的作用

场景	无父主机	有父主机
Gateway 宕机	所有主机报告 DOWN	子主机报告 UNREACHABLE
子主机宕机	子主机报告 DOWN	子主机报告 DOWN
通知效果	大量 DOWN 告警	只有 Gateway DOWN 告警 + UNREACHABLE

状态区别：

DOWN：主机本身故障，需要处理
UNREACHABLE：网络路径不通，可能是父节点故障

五、主机分组

5.1 主机组定义

define hostgroup {
    hostgroup_name      linux-servers
    alias               Linux Servers
    members             web-server-01,db-server-01,app-server-01
    hostgroup_members   production-servers,staging-servers  # 嵌套主机组
    notes               All Linux servers in the data center
    notes_url           /nagios/cgi-bin/extinfo.cgi?type=3&group=linux-servers
    action_url          /nagios/cgi-bin/cmd.cgi?cmd_typ=55&hostgroup=linux-servers
}

define hostgroup {
    hostgroup_name      webservers
    alias               Web Servers
    members             web-server-01,web-server-02
}

define hostgroup {
    hostgroup_name      dbservers
    alias               Database Servers
    members             db-server-01,db-server-02
}

define hostgroup {
    hostgroup_name      network-devices
    alias               Network Devices
    members             core-switch,access-switch-1,access-switch-2
}

5.2 主机组属性

属性	说明	必需
`hostgroup_name`	主机组名称（唯一）	是
`alias`	别名	是
`members`	成员主机列表	否
`hostgroup_members`	嵌套主机组	否
`notes`	备注信息	否
`notes_url`	备注链接	否
`action_url`	操作链接	否

5.3 主机组在服务中的应用

# 为整个主机组定义服务
define service {
    use                 generic-service
    hostgroup_name      linux-servers
    service_description SSH
    check_command       check_ssh
}

define service {
    use                 generic-service
    hostgroup_name      webservers
    service_description HTTP
    check_command       check_http
}

六、图标和视觉配置

6.1 主机图标

define host {
    use                 linux-server
    host_name           web-server-01
    address             192.168.1.100
    icon_image          linux40.gif     # 小图标
    statusmap_image     linux40.gd2     # 状态地图图标
    vrml_image          linux40.png     # 3D 视图图标
}

6.2 常用图标

图标文件	适用对象	说明
`linux40.gif`	Linux 服务器	Tux 企鹅图标
`windows40.gif`	Windows 服务器	Windows 徽标
`switch40.gif`	网络交换机	交换机图标
`router40.gif`	路由器	路由器图标
`server40.gif`	通用服务器	通用服务器图标
`printer40.gif`	打印机	打印机图标
`database40.gif`	数据库	数据库图标
`disk40.gif`	存储设备	磁盘图标

6.3 状态地图坐标

# 2D 坐标（用于状态地图）
define host {
    use                 linux-server
    host_name           web-server-01
    address             192.168.1.100
    2d_coords           100,200    # x,y 坐标
}

# 3D 坐标（用于 3D 地图）
define host {
    use                 linux-server
    host_name           db-server-01
    address             192.168.1.200
    3d_coords           100.0,200.0,50.0  # x,y,z 坐标
}

七、主机扩展信息

7.1 定义扩展信息

define hostextinfo {
    host_name           web-server-01
    icon_image          linux40.gif
    icon_image_alt      Linux Server
    vrml_image          linux40.png
    statusmap_image     linux40.gd2
    2d_coords           100,200
    3d_coords           100.0,200.0,50.0

    notes               Production web server running Apache
    notes_url           /nagios/cgi-bin/extinfo.cgi?type=1&host=web-server-01
    action_url          /nagios/cgi-bin/cmd.cgi?cmd_typ=55&host=web-server-01
}

八、业务场景示例

8.1 Web 集群监控

# Web 服务器主机
define host {
    use         linux-server
    host_name   web-01
    alias       Web Server 01
    address     10.0.1.10
    parents     lb-01
    icon_image  linux40.gif
}

define host {
    use         linux-server
    host_name   web-02
    alias       Web Server 02
    address     10.0.1.11
    parents     lb-01
    icon_image  linux40.gif
}

# 负载均衡器
define host {
    use         linux-server
    host_name   lb-01
    alias       Load Balancer 01
    address     10.0.1.1
    parents     core-switch
    icon_image  server40.gif
}

# 核心交换机
define host {
    use         generic-switch
    host_name   core-switch
    alias       Core Switch
    address     10.0.0.1
    icon_image  switch40.gif
}

# 主机组
define hostgroup {
    hostgroup_name  web-cluster
    alias           Web Cluster
    members         web-01,web-02,lb-01
}

8.2 多数据中心监控

# 北京数据中心
define host {
    use         linux-server
    host_name   bj-gateway
    alias       Beijing Gateway
    address     172.16.1.1
}

define host {
    use         linux-server
    host_name   bj-web-01
    alias       Beijing Web 01
    address     172.16.1.10
    parents     bj-gateway
}

# 上海数据中心
define host {
    use         linux-server
    host_name   sh-gateway
    alias       Shanghai Gateway
    address     172.16.2.1
}

define host {
    use         linux-server
    host_name   sh-web-01
    alias       Shanghai Web 01
    address     172.16.2.10
    parents     sh-gateway
}

# 分组
define hostgroup {
    hostgroup_name  beijing-dc
    alias           Beijing Data Center
    members         bj-gateway,bj-web-01
}

define hostgroup {
    hostgroup_name  shanghai-dc
    alias           Shanghai Data Center
    members         sh-gateway,sh-web-01
}

九、注意事项

注意事项	说明
host_name 唯一性	每个主机的 host_name 必须唯一
地址可解析	address 可以是 IP 或可解析的域名
父主机拓扑	合理设置父主机避免误告警
检查间隔	根据主机重要性设置不同间隔
通知策略	重要主机缩短通知间隔
分组管理	使用 hostgroup 简化服务定义

十、本章小结

主机定义是监控的基础，需合理规划命名和地址
主动检查由 Nagios 发起，被动检查由外部提交
父主机关系帮助区分真正故障和网络不可达
主机组简化批量服务配置
图标配置提升 Web 界面可视化效果

下一章：第5章：服务管理 - 学习如何定义和管理主机上的监控服务。