目前项目内部署了docker，于是涉及到关于监控的事情，参考一些经典实例以及一些自己的想法，总结一下思路。
关于监控的内容
监控宿主机本身
监控宿主机本身还是比较简单的，同其他服务器监控类似，对 cpu、network、io、disk 等做通用的检查，这里不再细说。
额外的，因为是 docker 的宿主机，还应该监控 容器本身的一些指标，如 ：
- 拥有的全部的容器数量；
- 正在运行的容器的数量；
- dead 容器的数量（如果此数量变化应该报警）；
- docker 本身的信息，如 Storage Driver、Data Space Used、Data Space Total、Metadata Space Total、Metadata Space Used、client version、client api version、server version、servier api version 等；
###监控容器
docker 容器通过 namespace 做资源隔离，通过 cgroup 来做资源限制。监控方便，只能通过在宿主机本身查看对应容器的 cgroup stats。
具体大项有：
- 容器的本身信息，如名称，ip、使用的镜像、启动时间、启动命令等；
- 容器的状态，如可先监控两个量值，running or not running （当状态变化时报警）；
- 容器使用 cpu 的资源信息；
- 容器使用 memory 的资源信息；
- 容器的 network io 信息；
- 容器的 disk 信息；
关于监控项的获取
宿主机本身
拥有的全部容器的数量：
docker ps -a -q | wc -l
正在运行的容器的数量：
docker ps -q | wc -l
非运行状态的容器的数量：
docker ps -a | grep -v 'Up ' | grep -v 'CONTAINER' | wc -l
docker 本身信息，可从命令 docker version & docker info 中获取
监控容器
1、容器本身信息 & 状态：
从 docker inspect 中获取，简单脚本如下：
#!/usr/bin/env python
import commands
import sys
import types
import json
def get_container_info( container ):
msg = commands.getoutput('docker inspect '+container)
#return msg
data = json.loads( msg )
return data[0]
container = sys.argv[1]
msg = get_container_info( container )
containerid = msg["Id"]
image = msg['Image']
name = msg['Name']
ip = msg['NetworkSettings']['IPAddress']
status = msg['State']['Running']
startedat = msg['State']['StartedAt']
print containerid, image, name, ip, status, startedat
2、 容器使用 cpu 情况：
从 cpuacct 中获取相应的值，首先要获取一个 cpu 周期的时间值，getconf CLK_TCK，默认为100，即100Hz，一个周期即为 1/100s = 10ms = 10^7 ns；
可以获取 cpuacct.usage、 cpuacct.stat ，但是具体怎么做对比，还得观察。
理论上的计算方法为，在单位时间内，docker 容器对应的 cpu 使用的变化值 除以 总系统 cpu 时间的变化值 乘以 100%；其中，docker 容器对应的 cpu 值可以从 cgroup.cpuacct 中的 cpuacct.usage 值得到，他的单位是纳秒，10^9 个纳秒为1秒；系统的 cpu 总时间可以从 /proc/stat 中获取，第一行中。以 “cpu” 开头那行，数值累加就是当前系统 cpu 总时间，需要注意的是，他的数值单位为 “cpu 周期”，就是刚才获取到的 1/CLK_TCK ，关于 /proc/stat 的说明文档：http://www.linuxhowtos.org/System/procstat.htm
从 docker 源码中获知，docker 的 stats 计算方法和这个有点出入，它在此计算的基础上，又乘以 cpu 核数 得到最终结果，这个让我有点不理解，和官方确认中。。。。。
已经和官方确认，只是双方对 “cpu 利用率如何定义” 的问题，我认为应该是平均利用率，官方认为应该是 total cpu 利用率，好吧。。。。。 地址为： #issues 13626
相关源码地址为：https://github.com/docker/docker/blob/0d445685b8d628a938790e50517f3fb9…
以下是用 shell 完成的模拟 docker 计算 cpu 利用率方法的小脚本：
#!/bin/sh
##echo user nice system idle iowait irq softirq
CPULOG_1=$(cat /proc/stat | grep 'cpu ' | awk '{print $2" "$3" "$4" "$5" "$6" "$7" "$8}')
Total_1=$(echo $CPULOG_1 | awk '{print $1+$2+$3+$4+$5+$6+$7}')
CGROUP_USAGE_1=$(cat /cgroup/cpuacct/docker/55dec85d2e93c487fbeb1e85c9677e64dd1b4bdcc5be0e5f2539e52c87641d4e/cpuacct.usage)
sleep 1
CPULOG_2=$(cat /proc/stat | grep 'cpu ' | awk '{print $2" "$3" "$4" "$5" "$6" "$7" "$8}')
Total_2=$(echo $CPULOG_2 | awk '{print $1+$2+$3+$4+$5+$6+$7}')
CGROUP_USAGE_2=$(cat /cgroup/cpuacct/docker/55dec85d2e93c487fbeb1e85c9677e64dd1b4bdcc5be0e5f2539e52c87641d4e/cpuacct.usage)
CGROUP_USAGE=`expr $CGROUP_USAGE_2 - $CGROUP_USAGE_1`
Total=`expr $Total_2 - $Total_1`
CGROUP_RATE=`expr $CGROUP_USAGE*24/$Total/10000000*100|bc -l`
echo $CGROUP_USAGE_1 , $CGROUP_USAGE_2 , $CGROUP_USAGE , $Total, $CGROUP_RATE
3、 容器使用 memory 情况：
从容器所在 cgroup 组中查看 memory.stats 信息，具体值的信息如下
统计 描述
cache 页缓存，包括 tmpfs（shmem），单位为字节
Rss 匿名和 swap 缓存，不包括 tmpfs（shmem），单位为字节
Mapped_file memory-mapped 映射的文件大小，包括 tmpfs（shmem），单位为字节
pgpgin 存入内存中的页数
pgpgout 从内存中读出的页数
swap swap 用量，单位为字节
Active_anon 在活跃的最近最少使用（least-recently-used，LRU）列表中的匿名和 swap 缓存，包括 tmpfs（shmem），单位为字节
Inactive_anon 不活跃的 LRU 列表中的匿名和 swap 缓存，包括tmpfs（shmem），单位为字节
Active_file 活跃 LRU 列表中的 file-backed 内存，以字节为单位
Inactive_file 不活跃 LRU 列表中的 file-backed 内存，以字节为单位
unevictable 无法再生的内存，以字节为单位
hierarchical_memory_limit（重点） 包含 memory cgroup 的层级的内存限制，单位为字节
hierarchical_memsw_limit 包含 memory cgroup 的层级的内存加 swap 限制，单位为字节
4、容器网络 io 情况： 可以执行命令： docker exec ifconfig eth0 看 Rx 和 Tx 的值。
5、磁盘 io 情况 从 blkio 中获取，相关参考：
blkio.time：统计cgroup对设备的访问时间，按格式device_types:node_numbers milliseconds读取信息即可，以下类似。
blkio.io_serviced：统计cgroup对特定设备的IO操作（包括read、write、sync及async）次数，格式device_types:node_numbers operation number
blkio.sectors：统计cgroup对设备扇区访问次数，格式device_types:node_numbers sector_count
blkio.io_service_bytes：统计cgroup对特定设备IO操作（包括read、write、sync及async）的数据量，格式device_types:node_numbers operation bytes
blkio.io_queued：统计cgroup的队列中对IO操作（包括read、write、sync及async）的请求次数，格式number operation
blkio.io_service_time：统计cgroup对特定设备的IO操作（包括read、write、sync及async）时间(单位为ns)，格式device_types:node_numbers operation time
blkio.io_merged：统计cgroup 将 BIOS 请求合并到IO操作（包括read、write、sync及async）请求的次数，格式number operation
blkio.io_wait_time：统计cgroup在各设备中各类型IO操作（包括read、write、sync及async）在队列中的等待时间(单位ns)，格式device_types:node_numbers operation time
6、磁盘使用情况，我以为只需要监控 docker pool space 的状况即可，默认建立100G 的空间供 docker 使用，可通过 docker info 来查看，一个典型的输出如下：
Containers: 11
Images: 181
Storage Driver: devicemapper
Pool Name: docker-8:5-7471107-pool
Pool Blocksize: 65.54 kB
Backing Filesystem: extfs
Data file:
Metadata file:
Data Space Used: 7.846 GB
Data Space Total: 107.4 GB
Metadata Space Used: 15.92 MB
Metadata Space Total: 2.147 GB
Udev Sync Supported: true
Library Version: 1.02.89-RHEL6 (2014-09-01)
Execution Driver: native-0.2
Kernel Version: 2.6.32-431.el6.x86_64
Operating System:
CPUs: 24
Total Memory: 62.87 GiB
Name: jx-lj-opweb01.lianjia.com
ID: QTML:RSSS:IKAX:FRIP:4YEQ:IXWX:ROMV:APZD:RV4M:ISY2:QW2D:VMXW
7、在前期可以先重点监控 宿主机情况 & 容器的 memory 状态，其他状态可记录，监控值可稍后商榷。
注：本文转自由刘阳龙Herman 创作的 Docker 监控的一点想法 。