使用 EventBridge 和 Lambda 进行自动故障排除和 ITSM 系统

发布日期： 2024-08-22 阅读量： 作者： 网络

介绍：

各位，在 it 运营中，监视服务器指标（例如 cpu/内存和磁盘或文件系统的利用率）是一项非常通用的任务，但如果任何指标被触发为关键指标，则需要专门人员通过以下方式执行一些基本故障排除：登录服务器并找出使用的最初原因，如果该人收到多个相同的警报，导致无聊且根本没有生产力，则他必须多次执行该操作。因此，作为一种解决方法，可以开发一个系统，一旦触发警报，该系统就会做出反应，并通过执行一些基本的故障排除命令来对这些实例采取行动。只是总结问题陈述和期望 -

问题陈述：

开发一个能够满足低于预期的系统 -

每个 ec2 实例都应该由 cloudwatch 监控。
一旦触发警报，就必须有一些东西可以登录到受影响的 ec2 实例并执行一些基本的故障排除命令。
然后，创建一个 jira 问题来记录该事件，并在评论部分添加命令的输出。
然后，发送一封自动电子邮件，其中提供所有警报详细信息和 jira 问题详细信息。

架构图：

使用 EventBridge 和 Lambda 进行自动故障排除和 ITSM 系统

先决条件：

ec2 实例
cloudwatch 警报
eventbridge 规则
lambda 函数
jira 账户
简单的通知服务

实施步骤：

a. cloudwatch 代理安装和配置设置：
打开 systems manager 控制台并单击“文档”
搜索“aws-configureawspackage”文档并通过提供所需的详细信息来执行。
包名称 = amazoncloudwatchagent
安装后，需要根据配置文件配置 cloudwatch 代理。为此，请执行 amazoncloudwatch-manageagent 文档。另外，请确保 json cloudwatch 配置文件存储在 ssm 参数中。
一旦您看到指标正在向 cloudwatch 控制台报告，请为 cpu 和内存利用率等创建警报。
b.设置eventbridge规则：
为了跟踪警报状态的变化，这里，我们稍微定制了模式来跟踪警报状态从 ok 到 alarm 的变化，而不是反向变化。然后，将此规则添加到 lambda 函数作为触发器。

{
  "source": ["aws.cloudwatch"],
  "detail-type": ["cloudwatch alarm state change"],
  "detail": {
    "state": {
      "value": ["alarm"]
    },
    "previousstate": {
      "value": ["ok"]
    }
  }
}

# python

上一篇: typescript的好处_typescript优缺点分析

下一篇: 织梦后台登录一直提示验证码不正确怎么办

使用 EventBridge 和 Lambda 进行自动故障排除和 ITSM 系统

随便看看