使用 Nagios 抓取 AWS EC2 真實 CPU 使用量

不知道大家有沒有遇到這種情況，當我們嘗試去監控 Linux 的主機時，我們常會用 top 或者是 uptime 指令去抓取 load average 來當作 CPU 負載 的指標。

load average: 0.07, 0.07, 0.05

但當我們在 AWS 平台上，或是其他虛擬化主機上運作服務時，卻常常因為虛擬化的原因，導致誤判的情況，所幸 AWS 還提供 CloudWatch 這功能，讓我們抓取更精準的 CPU 使用量，而這篇就是教大家如何使用常見的 Nagios 來監控這指標。

環境

雲平台: AWS 環境: Ubuntu 14.04 Nagios Core: 4.2.4

部屬流程

Step 1. 建立 AWS Access Key

首先我們要在 AWS 平台上創建一隻 Access Key 並賦予 Cloudwatch 權限

建立一個新USER

賦予 Cloudwatch Read Only 權限

下載 Access Key

Step 2. 安裝所需套件

安裝 nagios 插件

pip install nagios-cloudwatch-plugin boto==2.49.0

Step 3. 建立 nagios 要用的 aws credentials

cd ~nagios
mkdir .aws && chown nagios:nagios .aws

.aws 目錄下創建 credentials，寫入以下資訊

記得要改成自己的 access key

[default]
aws_access_key_id = your_aws_access_key_id
aws_secret_access_key = your_aws_secret_access_key

Step 4. 設定 Nagios

修改 commands.cfg

新增以下設定

# 'check_cloudwatch' command definition
define command{
  command_name   check_cloudwatch
  command_line   /usr/local/bin/check_cloudwatch.py -R $_HOSTAWS_REGION$ -n AWS/EC2 -m CPUUtilization -p 300 -d InstanceId=$_HOSTEC2_ID$ -w $ARG1$ -c $ARG2$
  }

設定主機 config 檔

加入以下設定，記得修改 ec2 的region 及 id

  _aws_region                     ca-central-1
  _ec2_id                         i-0a123123123123123

第一個驚嘆號代表 warning 的值，第二個是 critical

define service {
  use                           generic-service
  host_name                     hanktsai-example-001
  contact_groups                admins
  service_description           CPU Usage
  check_command                 check_cloudwatch!0:70!0:80
}

完整設定值範例

define host {
  use                             linux-server
  host_name                       hanktsai-example-001
  alias                           hanktsai-example-001
  address                         172.20.1.1
  _aws_region                     ca-central-1
  _ec2_id                         i-0a123123123123123
  contact_groups                  admins,igaming
  max_check_attempts              5
  check_period                    24x7
  notification_interval           30
  notification_period             24x7
}
​
define service {
  use                             generic-service
  host_name                       hanktsai-example-001
  contact_groups                  admins
  service_description             CPU Usage
  check_command                   check_cloudwatch!0:70!0:80
}

Step 5. 完成

重啟服務

service nagios reload

進 Nagios Web UI 查看是否正常