如何获取AWS CloudWatch实时指标用于Nagios监控？

一、替换历史查询为近实时指标拉取 #

你当前用的get-metric-statistics是针对历史时间段的批量查询，要获取接近实时的指标，改用get-metric-data更高效——它支持一次拉取多指标，且能精准获取最近1分钟粒度的数据（CloudWatch默认实时指标间隔）。

示例命令（替换your-cluster-id为你的ElastiCache集群ID）：

aws cloudwatch get-metric-data \
    --metric-data-queries '[
        {
            "Id": "cpu",
            "MetricStat": {
                "Metric": {
                    "Namespace": "AWS/ElastiCache",
                    "MetricName": "CPUUtilization",
                    "Dimensions": [{"Name": "CacheClusterId", "Value": "your-cluster-id"}]
                },
                "Period": 60,
                "Stat": "Average"
            },
            "ReturnData": true
        },
        {
            "Id": "memory",
            "MetricStat": {
                "Metric": {
                    "Namespace": "AWS/ElastiCache",
                    "MetricName": "FreeableMemory",
                    "Dimensions": [{"Name": "CacheClusterId", "Value": "your-cluster-id"}]
                },
                "Period": 60,
                "Stat": "Average"
            },
            "ReturnData": true
        }
    ]' \
    --start-time $(date -u -d "5 minutes ago" +%Y-%m-%dT%H:%M:%SZ) \
    --end-time $(date -u +%Y-%m-%dT%H:%M:%SZ)

注：CloudWatch用UTC时间，命令中通过date -u生成符合要求的时间格式，拉取最近5分钟内的最新数据点。

二、编写适配Nagios的监控脚本 #

Nagios要求插件输出固定格式的状态（OK/WARNING/CRITICAL/UNKNOWN），以下是封装好的shell脚本，集成指标拉取、阈值判断和状态输出：

#!/bin/bash

# 配置参数
CLUSTER_ID="your-cluster-id"
CPU_WARN=70       # CPU使用率警告阈值（%）
CPU_CRIT=90       # CPU使用率临界阈值（%）
MEMORY_WARN=1024  # 剩余内存警告阈值（MB）
MEMORY_CRIT=512   # 剩余内存临界阈值（MB）

# 拉取指标数据
METRIC_DATA=$(aws cloudwatch get-metric-data \
    --metric-data-queries '[
        {"Id": "cpu", "MetricStat": {"Metric": {"Namespace": "AWS/ElastiCache", "MetricName": "CPUUtilization", "Dimensions": [{"Name": "CacheClusterId", "Value": "'$CLUSTER_ID'"}]}, "Period": 60, "Stat": "Average"}, "ReturnData": true},
        {"Id": "memory", "MetricStat": {"Metric": {"Namespace": "AWS/ElastiCache", "MetricName": "FreeableMemory", "Dimensions": [{"Name": "CacheClusterId", "Value": "'$CLUSTER_ID'"}]}, "Period": 60, "Stat": "Average"}, "ReturnData": true}
    ]' \
    --start-time $(date -u -d "5 minutes ago" +%Y-%m-%dT%H:%M:%SZ) \
    --end-time $(date -u +%Y-%m-%dT%H:%M:%SZ) \
    --output json)

# 解析指标值（取最新数据点）
CPU_VALUE=$(echo $METRIC_DATA | jq -r '.MetricDataResults[] | select(.Id=="cpu") | .Values[-1]')
MEMORY_VALUE=$(echo $METRIC_DATA | jq -r '.MetricDataResults[] | select(.Id=="memory") | .Values[-1] / 1024 / 1024')

# 处理指标拉取失败的情况
if [[ -z "$CPU_VALUE" || -z "$MEMORY_VALUE" ]]; then
    echo "UNKNOWN - Failed to retrieve ElastiCache metrics"
    exit 3
fi

# 判断告警状态
STATUS="OK"
EXIT_CODE=0
MESSAGE="CPU Utilization: $(printf "%.1f" $CPU_VALUE)%, Freeable Memory: $(printf "%.1f" $MEMORY_VALUE)MB"

if (( $(echo "$CPU_VALUE >= $CPU_CRIT" | bc -l) )) || (( $(echo "$MEMORY_VALUE <= $MEMORY_CRIT" | bc -l) )); then
    STATUS="CRITICAL"
    EXIT_CODE=2
elif (( $(echo "$CPU_VALUE >= $CPU_WARN" | bc -l) )) || (( $(echo "$MEMORY_VALUE <= $MEMORY_WARN" | bc -l) )); then
    STATUS="WARNING"
    EXIT_CODE=1
fi

echo "${STATUS} - ${MESSAGE}"
exit $EXIT_CODE

脚本依赖说明 #

• 安装jq用于JSON解析：sudo apt install jq（Debian/Ubuntu）或sudo yum install jq（RHEL/CentOS）
• 安装bc用于浮点数值比较：sudo apt install bc或sudo yum install bc
• 给Nagios运行用户配置IAM权限：允许cloudwatch:GetMetricData操作，可限制到指定的ElastiCache集群维度

三、Nagios集成配置 #

1. 将脚本放到Nagios插件目录（如/usr/lib/nagios/plugins/），赋予执行权限：

   chmod +x /usr/lib/nagios/plugins/check_elasticache_metrics.sh
   

2. 在commands.cfg中添加命令定义：

   define command {
       command_name    check_elasticache_metrics
       command_line    $USER1$/check_elasticache_metrics.sh
   }
   

3. 在services.cfg中添加监控服务：

   define service {
       host_name               your-monitored-host
       service_description     ElastiCache CPU/Memory
       check_command           check_elasticache_metrics
       max_check_attempts      3
       check_interval          5
       retry_interval          1
       check_period            24x7
       notification_interval   60
       notification_period     24x7
   }
   

四、优化建议 #

• 将脚本参数化：把集群ID、阈值做成命令行参数，让脚本支持多集群监控
• 配置IAM最小权限：给Nagios用户的IAM角色仅授权cloudwatch:GetMetricData，并通过资源策略限制到特定ElastiCache集群
• 验证指标粒度：确认你的ElastiCache实例启用了1分钟粒度指标（默认开启，部分旧实例可能为5分钟）

内容的提问来源于stack exchange，提问作者Ajay