第5章：服务管理

服务（Service）是 Nagios 监控的核心执行单元，代表主机上的具体检查项。本章详细讲解服务定义、检查命令、阈值设置、服务依赖、时间段配置和通知策略。

一、服务定义基础

1.1 服务对象属性

define service {
    # 基本属性
    host_name               web-server-01          # 所属主机
    service_description     HTTP                   # 服务描述（唯一标识）
    display_name            Web Service            # 显示名称
    servicegroups           web-services           # 所属服务组

    # 检查配置
    check_command           check_http!80!/        # 检查命令
    max_check_attempts      3                       # 最大检查尝试次数
    check_interval          5                       # 正常检查间隔（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                       # 启用通知
    notification_interval   60                      # 通知间隔（分钟）
    notification_options    w,u,c,r                 # 通知选项
    notification_period     24x7                    # 通知时间段
    contact_groups          admins                  # 联系人组

    # 高级选项
    is_volatile             0                       # 是否为易失性服务
    active_checks_enabled   1                       # 启用主动检查
    passive_checks_enabled  1                       # 启用被动检查
    parallelize_check       1                       # 并行检查
    obsess_over_service     1                       # 监视服务
    check_freshness         0                       # 新鲜度检查
    event_handler_enabled   1                       # 事件处理器
    flap_detection_enabled  1                       # 抖动检测
    process_perf_data       1                       # 处理性能数据
    retain_status_information       1               # 保持状态信息
    retain_nonstatus_information    1               # 保持非状态信息
    failure_prediction_enabled      1               # 故障预测

    # 模板
    use                     generic-service         # 继承模板
}

1.2 最小化服务定义

# 模板（templates.cfg）
define service {
    name                    generic-service
    max_check_attempts      3
    check_interval          5
    retry_interval          1
    check_period            24x7
    notification_interval   60
    notification_options    w,u,c,r
    notification_period     24x7
    contact_groups          admins
    register                0
}

# 实际服务定义（只需定义差异部分）
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     HTTP
    check_command           check_http
}

二、服务检查命令

2.1 常用检查命令定义

# HTTP 检查
define command {
    command_name    check_http
    command_line    $USER1$/check_http -H $HOSTADDRESS$ -p $ARG1$ -u $ARG2$
}

# HTTPS 检查
define command {
    command_name    check_https
    command_line    $USER1$/check_http -H $HOSTADDRESS$ -S -p $ARG1$ -u $ARG2$ --sni
}

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

# DNS 检查
define command {
    command_name    check_dns
    command_line    $USER1$/check_dns -H $ARG1$ -s $HOSTADDRESS$
}

# 磁盘使用率检查
define command {
    command_name    check_disk
    command_line    $USER1$/check_disk -w $ARG1$ -c $ARG2$ -p $ARG3$
}

# CPU 负载检查
define command {
    command_name    check_load
    command_line    $USER1$/check_load -w $ARG1$ -c $ARG2$
}

# 内存使用率检查
define command {
    command_name    check_memory
    command_line    $USER1$/check_mem -w $ARG1$ -c $ARG2$ -f
}

# MySQL 检查
define command {
    command_name    check_mysql
    command_line    $USER1$/check_mysql -H $HOSTADDRESS$ -u $USER5$ -p $USER6$ -d $ARG1$
}

# 进程数检查
define command {
    command_name    check_procs
    command_line    $USER1$/check_procs -w $ARG1$ -c $ARG2$ -s $ARG3$
}

# 日志文件检查
define command {
    command_name    check_log
    command_line    $USER1$/check_log -F $ARG1$ -O $ARG2$ -q $ARG3$
}

# TCP 端口检查
define command {
    command_name    check_tcp
    command_line    $USER1$/check_tcp -H $HOSTADDRESS$ -p $ARG1$ -t 10
}

# UDP 端口检查
define command {
    command_name    check_udp
    command_line    $USER1$/check_udp -H $HOSTADDRESS$ -p $ARG1$ -s "$ARG2$" -e "$ARG3$"
}

2.2 阈值参数格式

不同插件的阈值格式不同，常见格式：

插件类型	阈值格式	示例
数值范围	`@min:max`	`-w @1:10 -c @0:20`
简单阈值	`value`	`-w 80 -c 95`
百分比	`value%`	`-w 80% -c 95%`
时间范围	`value[unit]`	`-w 1s -c 5s`
复合阈值	`w1,w2 -c c1,c2`	`-w 80,50% -c 95,80%`

2.3 命令参数传递

# 单参数
define service {
    use                 generic-service
    host_name           web-server-01
    service_description HTTP
    check_command       check_http!80
    #                   ARG1 = 80
}

# 多参数
define service {
    use                 generic-service
    host_name           web-server-01
    service_description HTTP
    check_command       check_http!80!/login!200!Welcome
    #                   ARG1 = 80, ARG2 = /login, ARG3 = 200, ARG4 = Welcome
}

# 磁盘检查示例
define service {
    use                 generic-service
    host_name           db-server-01
    service_description Root Partition
    check_command       check_disk!10%!5%!/
    #                   警告阈值 = 10%, 严重阈值 = 5%, 检查路径 = /
}

三、服务状态与阈值

3.1 服务状态定义

状态	含义	典型触发条件
OK	正常	所有指标在阈值内
WARNING	警告	指标接近阈值
CRITICAL	严重	指标超过严重阈值
UNKNOWN	未知	插件异常或无法判断

3.2 阈值设计模式

# 磁盘使用率阈值
check_command check_disk!10%!5%!/
# 含义: 使用率 > 90% 报 WARNING, > 95% 报 CRITICAL

# CPU 负载阈值
check_command check_load!5,4,3!10,8,6
# 含义: 1分钟负载 > 5 或 5分钟 > 4 或 15分钟 > 3 → WARNING
#       1分钟负载 > 10 或 5分钟 > 8 或 15分钟 > 6 → CRITICAL

# 内存使用率
check_command check_memory!80%!90%
# 含义: 使用率 > 80% → WARNING, > 90% → CRITICAL

# HTTP 响应时间
check_command check_http!5!10
# 含义: 响应时间 > 5s → WARNING, > 10s → CRITICAL

3.3 复合阈值示例

# check_ping 的复合阈值
check_command check_ping!100.0,20%!500.0,60%
# 含义: RTA > 100ms 或 丢包率 > 20% → WARNING
#       RTA > 500ms 或 丢包率 > 60% → CRITICAL

# check_http 的完整示例
define command {
    command_name    check_http_full
    command_line    $USER1$/check_http -H $HOSTADDRESS$ -p $ARG1$ -u $ARG2$ \
                    -w $ARG3$ -c $ARG4$ -e 200 -s "$ARG5$"
}

define service {
    use                     generic-service
    host_name               web-server-01
    service_description     HTTP Login Page
    check_command           check_http_full!443!/login!5!10!Welcome
}

四、服务依赖

4.1 依赖概念

服务依赖用于避免级联告警：

Web 服务 (HTTP)
    │
    └── 依赖于 → 数据库服务 (MySQL)
                   │
                   └── 依赖于 → 磁盘服务 (Root Disk)

4.2 依赖定义

# HTTP 依赖于 MySQL
define servicedependency {
    host_name                       web-server-01
    service_description             HTTP
    dependent_host_name             web-server-01
    dependent_service_description   MySQL Connection
    execution_failure_criteria      c,u  # 执行失败标准
    notification_failure_criteria   c,u  # 通知失败标准
    inherits_parent                 1    # 继承父依赖
}

# MySQL 依赖于磁盘
define servicedependency {
    host_name                       db-server-01
    service_description             MySQL
    dependent_host_name             db-server-01
    dependent_service_description   Root Disk
    execution_failure_criteria      c
    notification_failure_criteria   c
}

# 跨主机依赖
define servicedependency {
    host_name                       db-server-01
    service_description             MySQL
    dependent_host_name             web-server-01
    dependent_service_description   HTTP
    execution_failure_criteria      w,u,c
    notification_failure_criteria   w,u,c
}

4.3 依赖失败标准

标志	含义	说明
`o`	OK	依赖服务为 OK 时触发
`w`	WARNING	依赖服务为 WARNING 时触发
`u`	UNKNOWN	依赖服务为 UNKNOWN 时触发
`c`	CRITICAL	依赖服务为 CRITICAL 时触发
`n`	None	任何状态都不触发（无依赖）
`p`	Pending	依赖服务处于 Pending 状态时触发

4.4 主机依赖

define hostdependency {
    host_name                   gateway
    dependent_host_name         web-server-01
    execution_failure_criteria  d,u
    notification_failure_criteria   d,u
    inherits_parent             1
}

五、时间段配置

5.1 时间段定义

# 24x7 全天候
define timeperiod {
    timeperiod_name 24x7
    alias           24 Hours A Day, 7 Days A Week
    sunday          00:00-24:00
    monday          00:00-24:00
    tuesday         00:00-24:00
    wednesday       00:00-24:00
    thursday        00:00-24:00
    friday          00:00-24:00
    saturday        00:00-24:00
}

# 工作时间（周一到周五 9:00-18:00）
define timeperiod {
    timeperiod_name workhours
    alias           Normal Work Hours
    monday          09:00-18:00
    tuesday         09:00-18:00
    wednesday       09:00-18:00
    thursday        09:00-18:00
    friday          09:00-18:00
}

# 非工作时间
define timeperiod {
    timeperiod_name nonworkhours
    alias           Non-Work Hours
    sunday          00:00-24:00
    monday          00:00-09:00,18:00-24:00
    tuesday         00:00-09:00,18:00-24:00
    wednesday       00:00-09:00,18:00-24:00
    thursday        00:00-09:00,18:00-24:00
    friday          00:00-09:00,18:00-24:00
    saturday        00:00-24:00
}

# 周末
define timeperiod {
    timeperiod_name weekends
    alias           Weekends
    sunday          00:00-24:00
    saturday        00:00-24:00
}

# 排除节假日
define timeperiod {
    timeperiod_name workhours-with-exceptions
    alias           Work Hours With Exceptions
    use             workhours
    exclude         holidays
}

define timeperiod {
    timeperiod_name holidays
    alias           Holidays
    january 1       00:00-24:00   # 元旦
    july 4          00:00-24:00   # 国庆节
    december 25     00:00-24:00   # 圣诞节
}

5.2 时间段应用

# 检查时间段：何时执行检查
define service {
    ...
    check_period    24x7
}

# 通知时间段：何时发送通知
define service {
    ...
    notification_period workhours
}

# 组合使用：全天检查，但只在工作时间通知
define service {
    use                     generic-service
    host_name               dev-server-01
    service_description     Disk Space
    check_command           check_disk!20%!10%!/
    check_period            24x7
    notification_period     workhours
}

六、服务通知

6.1 通知选项

notification_options    w,u,c,r
# w = WARNING
# u = UNKNOWN
# c = CRITICAL
# r = RECOVERY（从异常恢复到正常）
# n = None（不发送通知）

6.2 通知场景配置

# 关键服务：所有状态变化都通知
define service {
    use                     generic-service
    host_name               critical-server
    service_description     Core Application
    check_command           check_app
    notification_options    w,u,c,r
    notification_interval   15   # 15分钟重复通知
    contact_groups          critical-ops
}

# 一般服务：只通知严重问题
define service {
    use                     generic-service
    host_name               dev-server-01
    service_description     Log Rotation
    check_command           check_logrotate
    notification_options    c,r
    notification_interval   1440  # 24小时重复通知
    contact_groups          ops-team
}

# 监控服务：不通知，仅记录
define service {
    use                     generic-service
    host_name               any-host
    service_description     SNMP Community
    check_command           check_snmp_community
    notifications_enabled   0
}

6.3 通知间隔配置

场景	通知间隔	说明
核心业务	5-15 分钟	快速响应
一般服务	30-60 分钟	正常响应
非关键服务	120-1440 分钟	低优先级
已知问题	0（仅首次）	不重复通知

七、服务组

7.1 服务组定义

define servicegroup {
    servicegroup_name   web-services
    alias               Web Services
    members             web-server-01,HTTP,web-server-01,HTTPS,web-server-01,HTTP Login
    notes               All web-related services
    notes_url           /nagios/cgi-bin/extinfo.cgi?type=5&servicegroup=web-services
    action_url          /nagios/cgi-bin/cmd.cgi?cmd_typ=84&servicegroup=web-services
}

define servicegroup {
    servicegroup_name   db-services
    alias               Database Services
    members             db-server-01,MySQL,db-server-01,MySQL Slave,db-server-01,MySQL Disk
}

7.2 服务组的成员格式

# 格式: 主机名,服务描述,主机名,服务描述,...
members     host1,service1,host2,service2

# 示例:
members     web-01,HTTP,web-01,HTTPS,web-02,HTTP,web-02,HTTPS

八、易失性服务

8.1 概念

易失性服务（Volatile Service）每次检查结果都触发通知，即使状态未变化：

define service {
    use                     generic-service
    host_name               security-server
    service_description     Intrusion Detection
    check_command           check_ids_alerts
    is_volatile             1    # 启用易失性
    notification_options    w,u,c,r
    max_check_attempts      1    # 不重试
}

8.2 适用场景

场景	说明
安全告警	每次告警都需要通知
日志监控	每次发现异常日志都需要通知
计数监控	每次计数变化都通知

九、业务场景示例

9.1 Web 服务器监控配置

# HTTP 检查
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     HTTP
    check_command           check_http!80!/
    contact_groups          web-ops
}

# HTTPS 检查
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     HTTPS
    check_command           check_https!443!/
    contact_groups          web-ops
}

# SSL 证书检查
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     SSL Certificate
    check_command           check_ssl_cert!30!7
    check_interval          1440   # 每天检查一次
    contact_groups          web-ops,security-team
}

# 磁盘检查
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     Root Partition
    check_command           check_disk!10%!5%!/
}

# 磁盘检查 - /var
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     Var Partition
    check_command           check_disk!15%!10%!/var
}

# CPU 负载
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     CPU Load
    check_command           check_load!5,4,3!10,8,6
}

# 内存使用率
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     Memory Usage
    check_command           check_memory!80%!95%
}

# 进程数
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     Apache Processes
    check_command           check_procs!5!10!httpd
}

# SSH 服务
define service {
    use                     generic-service
    host_name               web-server-01
    service_description     SSH
    check_command           check_ssh
}

9.2 数据库服务器监控配置

# MySQL 检查
define service {
    use                     generic-service
    host_name               db-server-01
    service_description     MySQL
    check_command           check_mysql_health!connection-time!5!10
    contact_groups          dba-team
}

# MySQL 连接数
define service {
    use                     generic-service
    host_name               db-server-01
    service_description     MySQL Connections
    check_command           check_mysql_health!threads-connected!150!200
    contact_groups          dba-team
}

# MySQL 慢查询
define service {
    use                     generic-service
    host_name               db-server-01
    service_description     MySQL Slow Queries
    check_command           check_mysql_health!slow-queries!10!50
    notification_options    c,r
    contact_groups          dba-team
}

# MySQL 复制状态
define service {
    use                     generic-service
    host_name               db-slave-01
    service_description     MySQL Replication
    check_command           check_mysql_health!slave-lag!60!300
    contact_groups          dba-team
}

9.3 网络设备监控配置

# SNMP 接口状态
define service {
    use                     generic-service
    host_name               core-switch
    service_description     Interface Eth0
    check_command           check_snmp_interface!eth0!100M!90%
    contact_groups          network-ops
}

# SNMP CPU 使用率
define service {
    use                     generic-service
    host_name               core-switch
    service_description     CPU Usage
    check_command           check_snmp_cpu!80%!95%
    contact_groups          network-ops
}

# SNMP 内存使用率
define service {
    use                     generic-service
    host_name               core-switch
    service_description     Memory Usage
    check_command           check_snmp_mem!80%!95%
    contact_groups          network-ops
}

十、注意事项

注意事项	说明
service_description 唯一	同一主机上的服务描述必须唯一
阈值合理性	阈值设置过严会产生告警风暴
检查间隔平衡	过于频繁影响性能，过于稀疏延迟发现问题
通知升级	重要服务应配置通知升级策略
依赖关系	合理设置依赖避免级联告警
被动检查	对于无法主动检查的服务使用被动检查

十一、本章小结

服务定义通过 check_command 关联检查逻辑
阈值设置需要根据业务特点合理调整
服务依赖避免级联告警
时间段配置控制检查和通知的执行时机
服务组便于批量管理相关服务

下一章：第6章：联系人与通知 - 学习如何配置联系人、通知命令和通知升级策略。

强曰为道

第5章：服务管理

第5章：服务管理

一、服务定义基础

1.1 服务对象属性

1.2 最小化服务定义

二、服务检查命令

2.1 常用检查命令定义

2.2 阈值参数格式

2.3 命令参数传递

三、服务状态与阈值

3.1 服务状态定义

3.2 阈值设计模式

3.3 复合阈值示例

四、服务依赖

4.1 依赖概念

4.2 依赖定义

4.3 依赖失败标准

4.4 主机依赖

五、时间段配置

5.1 时间段定义

5.2 时间段应用

六、服务通知

6.1 通知选项

6.2 通知场景配置

6.3 通知间隔配置

七、服务组

7.1 服务组定义

7.2 服务组的成员格式

八、易失性服务

8.1 概念

8.2 适用场景

九、业务场景示例

9.1 Web 服务器监控配置

9.2 数据库服务器监控配置

9.3 网络设备监控配置

十、注意事项

十一、本章小结