提到服務器宕機檢測，大家會想到，宕機能夠很快知道，這個有什么可做的？實際上，很多時候服務器宕機，并不總是被及時感知。服務器宕機，ping或者ssh這是最簡單的做法，但真正的工程實踐，沒這么簡單。

　　想要獲知服務器宕機怎么辦？可以通過服務器宕機實時檢測：

　　1）發現宕機。

　　2）提前告警。

　　3）告知宕機的詳細原因，如硬件故障，內核bug，網絡異常等等。

　　4）自動報修生成工單。

　　我們知道，進行全網物理機宕機準確探測與實時發現，可以給宕機分析提供現場，獲取現場的移動學習日志。也可以盡早將宕機數據推送給業務或運營感知并處理，如自動報修，業務遷移等，從而盡可能將業務影響降低。

　　更重要的是，準確的宕機發現數據可以為宕機預測提供準確的標注數據，為后期宕機預測提供數據基礎，并且這些數據提供給運營部門進行整體分析，提升處理效率。

　　那么，如何可以準確發現宕機，減少誤報呢？我們可以有以下操作，比如：

　　心跳源檢測異常

　　顧名思義，通過心跳源，初步發現異常。通常心跳變化會有三類消息，update消息，delete消息和insert消息。心跳邏輯在于，正常情況下SA服務端與NC建立長連接，每數秒緩存一次心跳，每幾分鐘打包上報一次，但當NC異常時，長連接感知后，立即上報異常，并修改路由表。所以心跳異常做到秒級感知。

　　update消息，在有心跳發生變化情況下都會有，心跳異常和心跳恢復正常時都會發起，是主要的心跳來源。

　　delete消息，在心跳異常，并且SA判斷ping不通，且ssh不通情況下發起，刪除該條消息，避免延遲太長。

　　insert消息，在新增加機器， 或者重裝后重新上位的機器發起，該消息對宕機發現價值不大，配合uptime使用。

　　心跳源檢測任務邏輯，主要是監聽并緩存uptime消息，同時避免時間窗內多次消息沖突，導致信息被覆蓋。