介绍

CAT介绍

CAT系统原型和理念来源于ebay的CAL的系统。CAT系统第一代设计者吴其敏在ebay工作长达十几年，对ebay的CAL系统有深刻的理解，CAT增强了CAL系统核心模型之外，也添加更丰富的报表。CAT自2014年开源以来，CAT在携程、陆金所、猎聘网，找钢网等多家互联网公司生产环境应用。

CAT是一个实时和近全量监控系统，它侧重于Java应用的监控，基本接入了美团点评所有核心应用。CAT目前在在中间件框架（MVC框架、RPC框架、数据库框架、缓存框架等）中得到广泛应用，为美团点评各业务线提供系统的性能指标、健康状况、监控告警等。

本章会对CAT整体设计思路，客户端，服务端等一些设计思路做详细深入的介绍。

背景介绍

CAT整个产品研发在2011年底开始，处于前大众点评由.net迁移java的起步阶段。前大众点评已经有核心的基础中间件，rpc组件pigeon，统一配置组件lion。随着Java迁移以及服务化的实施，整体java在线上部署规模也逐渐变多，不过暴露的问题也越来越多。那时候典型的问题有：

• 大量报错，特别是核心服务，需要花很久时间才能定位
• 异常日志都需要线上权限登陆线上机器排查，排错时间长
• 简单的错误定位都非常困难
• 很多不了了之的问题怀疑是网络问题

在2011年这个阶段，前大众点评也有一些简单的监控工具（比如zabbix），但整体服务化水平参差不齐，扩展能力相对较弱，监控工具间不能互通互联，使得查找问题根源基本需要在多个系统之间切换。由前大众点评首席架构师吴其敏的带领下，我们开始研发了点评第一代监控系统CAT。

设计要素

监控整体要求就是快速发现故障，快速定位故障以及辅助进行程序性能优化。要做到这点，我们对监控系统的做出如下的要求

• 实时处理：信息的价值会随时间锐减，尤其是事故处理过程中
• 全量数据：最开始的设计目标就是全量采集
• 高可用：所有应用都可以倒下了，需要监控还站着，告诉工程师发生了什么做到故障还原和问题定位
• 故障容忍：CAT本身故障不应该影响业务正常运转，CAT挂了，应用不该受影响，只是监控能力暂时减弱
• 高吞吐：要想还原真相，需要全方位的监控和度量，必须要有超强的处理吞吐能力
• 可扩展：支持分布式、跨IDC部署，横向扩展的监控系统
• 不保证可靠：允许消息丢失；这是一个很重要的trade-off，目前CAT服务端可以做到4个9的可靠性，可靠系统和不可靠性系统的设计差别非常大