Вопрос про сбор данных при долгом таймау&#

[ukara]

Добрый день.

На сервере настроено несколько проверок удаленных SMTP серверов
Все вот такие: net.tcp.service.perf[smtp,hostname,25]

В какой-то момент один из проверяемых SMTP серверов стал долго отвечать (около 40 секунд)
В результате zabbix стал терять данные про другим проверкам.

В связи с этим вопрос: zabbix одновременно проверяет только одну метрику и безусловно ждёт её завершения, преждем чем начать проверять другие?

В результате, например, был такой график CPU utilization:

http://images.netbynet.ru/imgs/526f73f1d1f79c1e6b368029e52ccfb6.png

[Jimson]

А сколько пулеров запущено на сервере? Что показывает статистика zabbix_server?

P.S. и таймаут максимальный на сколько я помню 30 секунд (при условии что вы его прописали в конфиге, значение по умолчанию меньше), так что "пропадания" на проблемном сервере будут в любом случае, пулер не дождется данных.

[ukara]

Пулеров 5.
В статистике все зеленое.
### Option: Timeout
Timeout=15
Timeout выставлен в 15.
Я так понимаю мне не хватает свободных пулеров, когда один из них висит в ожидании ответа по таймауту от проверки?

[Jimson]

Ну раз у вас по другим, нормально работающим, хостам данные пропадать начали, то первым делом надо смотреть за загрузкой пулеров: zabbix[process,poller,avg,busy]. Что такое "все зеленое" я не понял. Опять же не понятно что за задержки такие в 40 секунд, может у вас там не только SNMP мониторится, описывайте проблему подробнее, возможно пока сформулируете вопрос уже и проблему найдете самостоятельно.

[ukara]

С утра поменял количество пуллеров до 200.

SNMP не испольуется. Провеки: net.tcp.service.perf[smtp,hostname,25] + стандартные из Template Linux OS.

В логах сервера следуюее:
24312:20140131:112138.009 Zabbix agent item "net.tcp.service.perf[smtp,smtphost.example.com,25]" on host "host2" failed: first network error, wait for 15 seconds

24431:20140131:112152.434 resuming Zabbix agent checks on host "host1": connection restored
24431:20140131:112153.454 resuming Zabbix agent checks on host "host2": connection restored
24242:20140131:112337.584 Zabbix agent item "net.tcp.service.perf[smtp,smtphost.example.com,25]" on host "host1" failed: first network error, wait for 15 seconds
24223:20140131:112338.739 Zabbix agent item "net.tcp.service.perf[smtp,smtphost.example.com,25]" on host "host2" failed: first network error, wait for 15 seconds
24431:20140131:112352.501 resuming Zabbix agent checks on host "host1": connection restored
24431:20140131:112353.854 resuming Zabbix agent checks on host "host2": connection restored

+Сейчас с второго хоста все собирается нормально, а график CPU Utilization первого показан в аттаче.

[yukra]

график CPU Utilization первого показан в аттаче.

Молодец. А теперь посмотри на свой график нагрузки CPU и попробуй догадаться что именно значит зеленый цвет, а что синий
+ если приводишь 2 графика, логичнее приводить их за одинаковое время. Могу предположить что в моменты "провалов" пуллеры заняты на 100%, но этого не видно на графике потому что там "средние" значения и эти 100% просто размазались.

Так же советовал бы побольше айтемов "внутренних проверок" создать, в частности разных "zabbix[process,<тип>,<режим>,<состояние>]"

https://www.zabbix.com/documentation/ru/2.2/manual/config/items/itemtypes/internal

[AllertGen]

Вообще человек правильно мыслит. Поллер обходит каждый параметр по очереди и если что-то не доступно, он "зависает" на этом параметре на "timeout" кол-ва секунд.
Решений несколько (рекомендую совместить):
1. Уменьшить таймаут со стандартных 15 до 2 - 4 секунд (компенсировать возможные потери данных из-за не получения по таймауту уменьшением промежутка между повторными опросами). Так же увеличит кол-во поллеров (уже сделано).
2. Уменьшить кол-во времени до момента, когда параметр переходит в состояние Unreacheble. Тогда этот параметр больше не будет отдаваться в основной поллер, а передастся в другой поллер - Unreacheble poller.