当代的互联网的服务，通常都是用复杂的、大规模分布式集群来实现的。互联网应用构建在不同的软件模块集上，这些软件模块，有可能是由不同的团队开发、可能使用不同的编程语言来实现、有可能布在了几千台服务器，横跨多个不同的数据中心。因此，就需要一些可以帮助理解系统行为、用于分析性能问题的工具。
Dapper–Google生产环境下的分布式跟踪系统，应运而生。那么我们就来介绍一个大规模集群的跟踪系统，它是如何满足一个低损耗、应用透明的、大范围部署这三个需求的。当然Dapper设计之初，参考了一些其他分布式系统的理念，尤其是Magpie和X-Trace，但是我们之所以能成功应用在生产环境上，还需要一些画龙点睛之笔，例如采样率的使用以及把代码植入限制在一小部分公共库的改造上。
只要你有过在生产环境中实际运行过分布式系统的经历，你就应该清楚，各种不可预期的突发事件一定会发生。分布式系统天生包含大量的交互、依赖点，可以出错的地方数不胜数。硬盘故障、网络不通、流量激增压垮某些组件，我们可以一直列举下去。这都是每天要面临的常事儿，处理不好就会导致业务停滞，性能低下，或者是其他各种无法预期的异常行为。
在复杂的分布式系统中，人力并不能够阻止这些故障的发生，我们应该致力于在这些异常行为被触发之前，尽可能多地识别出会导致这些异常的，在系统中脆弱的，易出故障的环节。当我们识别出这些风险，我们就可以有针对性地进行加固，防范，从而避免故障发生时所带来的严重后果。我们能够在不断打造更具弹性（弹性：系统应对故障、从故障中恢复的能力）系统的同时，树立运行高可用分布式系统的信心。
纵观我们部署在基础设施当中并始终保持运作的全部测量机制，监控系统无疑是重要性最高的机制之一，建立一套坚实的监控系统来针对可能发生的灾难加以警示，我们就有机会迅速启动灾难响应方案或者着手排除复杂的性能故障，这对于任何规模的企业而言都极具巨大的实际价值。
纵观国内，我们常使用的监测技术平台包括开源与商用运维两类（国外商用运维软件太贵，就不考虑了）
一、开源工具介绍
二、商用运维监控系统篇
这里不是讨论这些开源工具或者平台如何如何，这不是重点，这些都是非常成熟化的产品，更重要的是公司发展到一定程度之后，不但对IT运维提出更强需求，越来越多的是对业务监控的需求，以前了解过一些CAT，但很遗憾没有在公司推行起来，整理一下相关资料，也算是对这件事情有个交待。