需求背景
目前node端的服務逐漸成熟，在不少公司內部也開始承擔業務處理或者視圖渲染工作。不同於個人開發的簡單服務器，企業級的node服務要求更為苛刻：
高穩定性、高可靠性、魯棒性以及直觀的監控和報警
想象下一個存在安全隱患且沒有監控預警系統的node服務在生產環境下運行的場景，當某個node實例掛掉的情況下，運維人員或者對應開發維護人員無法立即知曉，直到客戶或者測試人員報告bugs才開始解決問題。在這段無人處理的時間內，損失的訂單數和用戶的忠誠度和信任度將是以后無法彌補的，因此對於node程序的業務開發者而言，這就要求代碼嚴謹、異常處理完備；對於node框架的維護者而言，則需要提供完善的監控預警系統。
功能
當一個服務進程在后端運行時（daemon），作為開發者我們關注的信息主要有以下幾點：
- 服務進程是否正在運行，isalive
- 服務進程的內存使用率，是否存在未回收（釋放）的內存
- 服務進程的cpu使用率，在計算量大的情況下是否需要分片處理、延時處理
- 服務進程的實時響應時間和吞吐量
而作為一個運維人員，關注的不僅僅是node服務進程的相關信息，還包括物理主機的使用狀況：
- 物理硬盤所剩存儲空間
- 內存、cpu使用率
- 網絡接入是否正常
可以看出，不管是針對主機還是進程進行監控，我們的關注點大多數是資源使用率和業務量處理能力，因此我們的監控預警系統也着重實現這些功能。
系統簡易架構
目前生產環境下的node服務大多采用多進程或者cluster模式，而且為了響應突發流量往往采用多機部署，因此監控和預警的目標實體就是多物理（虛擬）機下的多個子進程。
比如，目前node服務在單機上往往采用1+n的進程模型：所謂1，即1個主進程；n，表示n個工作進程，而且這些工作進程是從主進程上fork出來，同時根據經驗，n的值往往等同於主機的cpu核心數，充分利用其並行能力。那么，采用該種進程模型的node服務部署在線上4台物理機上，我們需要監控的則是4xn個進程，這涉及到了分布式數據同步的問題，需要尋找一種方法實現高效、准確和簡易的數據存和讀，並且盡可能的保證這些數據的可靠性。
在這里，筆者采用了分布式數據一致系統ZooKeeper（下文簡寫為ZK）實現數據的存和讀。之所以沒有采用傳統的數據庫是由於讀寫表的性能，如為了防止多個進程同時寫表造成沖突必須進行鎖表等操作，而且讀寫硬盤的性能相對內存讀寫較低；之所以沒有采用IPC+事件機制實現多進程通信，主要是由於node提供的IPC通信機制僅限於父子進程，對於不同主機的進程無法進行通信或者實現復雜度較高，因此也並未采用該種方式。
采用ZK來實現多節點下的數據同步，可在保證集群可靠性的基礎上達到數據的最終一致性，對於監控系統而言，不需要時刻都精確的數據，因此數據的最終一致性完全滿足系統的需求。ZK服務集群通過paxos算法實現選舉，並采用ZK獨特的算法實現數據在各個集群節點的同步，最終抽象為一個數據層。這樣ZK客戶端就可以通過訪問ZK集群的任意一個服務節點獲取或讀寫相同的數據，用通俗的語言來形容，就是ZK客戶端看到的所有ZK服務節點都有相同的數據。
另外，ZK提供了一種臨時節點，即ephemeral。該節點與客戶端的會話session相綁定，一旦會話超時或者連接斷開，該節點就會消失，並觸發對應事件，因此利用該種特性可以設置node服務的isalive（是否存活）功能。不過，目前node社區針對ZK的客戶端還不是很完善（主要是文檔），筆者采用node-zookeeper-client模塊並且針對所有接口promise化，這樣在進行多級znode開發時更可讀。
上圖是筆者設計的監控預警系統的架構圖，這里需要着重關注一下幾點：
- ZooKeeper部署與znode節點使用
- 單機內部node進程的進程模型：1+n+1
- precaution進程的工作內容以及與master和worker的通信方式
下面着重詳述以上幾點。
ZooKeeper部署與編碼細節
上節已提到，ZooKeeper抽象為一個數據一致層，它是由多個節點組成的存儲集群，因此在具體的線上環境下，ZK集群是由多個線上主機搭建而成，所有的數據都是存儲在內存中，每當對應工作進程的數據發生變化時則修改對應znode節點的數據，在具體實現中每個znode節點存儲的是json數據，便於node端直接解析。
在具體的代碼中，我們需要注意的是ZK客戶端會話超時和網絡斷開重連的問題。默認，ZK客戶端會幫助我們完成網絡斷開后重連過程的建立，而且在重新連接的過程中會攜帶上次斷開連接的session id，這樣在session未超時的前提下仍會綁定之前的數據；但是當session超時的情況下，對應session id的數據將會被清空，這就需要我們的自己處理這種情況，又稱作現場恢復。其實，在監控系統中，由於需要實時查詢對應節點數據，需要始終保持session，在設定session expire時間的情況下終究會出現ZK客戶端會話超時的情況，因此需要我們實現現場恢復，需要注意。
進程模型
大多數開發者為了提高node程序的並行處理能力，往往采用一個主進程+多個工作進程的方式處理請求，這在不需要監控預警系統的前提下是可以滿足要求的。但是，隨着監控預警功能的加入，有很多人估計會把這些功能加入到主進程，這首先不說主進程工作職能的混亂，最主要的是額外增加了風險性（預警系統的職能之一就是打點堆快照，並提醒開發者。因此主進程內執行查詢、打點系統資源、發送郵件等工作存在可能的風險）。因此為了主進程的功能單一性和可靠性，創建了一個precaution進程，該進程與主進程同級。
采用1+n+1模型並不會影響請求處理效率，工作進程的職能仍是處理請求，因此新的進程模型完全兼容之前的代碼，需要做的就是在主進程和precaution進程執行的代碼中添加業務部分代碼。
通信方式
在監控預警系統中，需要實現precaution進程<-->master進程、master進程<-->worker進程、precaution進程<-->worker進程的雙向通信，如打點內存，需要由precaution進程通知對應worker進程，worker進行打點完成后發送消息給precaution進程，precaution進行處理后發送郵件通知。
首先，worker與master的通信走的是node提供的IPC通道，需要注意的是IPC通道只能傳輸字符串和可結構化的對象。可結構化的對象可以用一個公式簡易表述：
o = JSON.parse(JSON.stringify(o))
如RegExp的實例就不是可結構化對象。
其次，worker和precaution的通信是通過master作為橋梁實現的，因此其中的關節點就在於precaution與master的通信。
最后，precaution與master的通信采用domain socket機制實現，這兩個進程是只是兩個node實例而已，因此無法采用node提供的IPC機制，而進程間通信可以采用其他方法如：命名管道、共享內存、信號量和消息隊列等，采用這些方法實現固然簡單，但是缺點在於兩個進程耦合度相對較高，如命名管道需要創建具體的管道文件並且對管道文件大小有限制。使用domain socket，最大的好處就是靈活制定通信協議，且易於擴展。
node的net模塊提供了domain socket的通信方式，與網絡服務器類似，采用domain通信的服務器偵聽的不是端口而是sock文件，采用這種方式實現全雙工通信。
業務量計算和數據打點
這里提到的業務量，指的是監控預警系統所關注的數據業務，如內存和cpu利用率、吞吐量（request per minute）和響應時間。其中，內存和cpu利用率可以通過linux下的相關命令如top來查詢，響應時間和吞吐量則通過koa中間件實現粗略統計。不過為了方便開發者把精力集中到業務上去而非兼容底層操作系統，建議使用pidusage模塊完成資源利用率的測量，而針對吞吐量筆者並未找到相關的工具進行測量，僅在中間件中粗略計算得出。
在precaution進程中，設置了兩個閾值。一個是warning值，當使用內存大小超過了該值則進行日志打點，並開始周期性的node堆內存打點；另一個是danger值，超過該值則進行內存打點並發送郵件提醒，根據附件中的近三個快照分析內存。
總結
采用上述監控預警架構，可以有效的實現多節點下多進程的監控，在確保進程可靠性的基礎上完成侵入性較小的、安全性較高的、可擴展性強的實現。以后不管是臨時擴張主機節點還是更改子進程數量，都可以瞬時在UI界面上直觀體現，如