IMBoy 监控指南

关键监控指标

应用层

指标	端点	警报阈值
WebSocket 在线用户	/metrics → imboy_online_users	突降 > 50%
WS 连接数	/metrics → ws_connections_current	> 100K (单机)
消息吞吐量	/metrics → msg_sent_total	突降 > 80%
HTTP 请求延迟	/metrics → http_request_duration	P99 > 1s

系统层

指标	端点	警报阈值
Erlang 进程数	/metrics → erlang_process_count	> 500K
内存使用	/metrics → erlang_memory_total_bytes	> 12GB
ETS 内存	/metrics → erlang_memory_ets_bytes	> 2GB
连接池空闲	/metrics → db_pool_free	= 0 持续 > 30s
连接池使用	/metrics → db_pool_in_use	> 70 (max=80)

数据库层

指标	查询	警报阈值
活跃连接	SELECT count(*) FROM pg_stat_activity	> 100
慢查询	pg_stat_statements	> 1s
死锁	pg_stat_activity WHERE wait_event_type = 'Lock'	> 0
磁盘使用	pg_database_size('imboy')	> 80% 容量
复制延迟	pg_stat_replication	> 1MB

---

Prometheus 采集

# prometheus.yml
scrape_configs:
  - job_name: 'imboy'
    scrape_interval: 15s
    metrics_path: '/metrics'
    static_configs:
      - targets: ['imboy-host:9800']
    headers:
      Accept: ['text/plain']

---

Grafana Dashboard

推荐面板

1. IMBoy Overview

   • 在线用户趋势
   • WebSocket 连接数
   • 消息吞吐量
   • HTTP 延迟分布

2. Erlang VM

   • 进程数
   • 内存分布（total/processes/ets）
   • GC 统计

3. PostgreSQL

   • 连接池状态
   • 查询性能
   • 磁盘使用

---

故障排查 Checklist

用户无法连接

• [ ] 检查端口是否开放：curl http://host:9800/api/v1/init
• [ ] 检查 Erlang 节点状态：_rel/imboy/bin/imboy ping
• [ ] 检查连接池：pooler:pool_stats(pgsql)
• [ ] 检查 SSL 证书是否过期
• [ ] 检查防火墙规则

消息延迟

• [ ] 检查消息队列积压：SELECT count(*) FROM msg_store_staging WHERE processed_at IS NULL
• [ ] 检查 Worker 进程：erlang:process_info(whereis(msg_store_worker))
• [ ] 检查数据库慢查询
• [ ] 检查 CPU/内存使用

内存泄漏

• [ ] ETS 表大小：ets:info(TableName, size)
• [ ] 进程内存排序：recon:proc_count(memory, 10)
• [ ] 消息队列堆积：recon:proc_count(message_queue_len, 10)

数据库连接耗尽

• [ ] 检查 pg_stat_activity：SELECT state, count(*) FROM pg_stat_activity GROUP BY state
• [ ] 检查长事务：SELECT pid, age(now(), xact_start) FROM pg_stat_activity WHERE state = 'active'
• [ ] 调整 max_count 配置