解决Nagios不发报警短信问题

最近在一个新安装的FreeBSD 7系统部署一套Nagios监控系统，主要用来监控主机的存活状态、网络服务的状态以及远程主机的资源利用情况。尽管FreeBSD安装源码有些麻烦，但最终还是把Nagios正确安装上了，并且能正常工作，通过web方式也能看见监控对象的状况。

有故障报警行为,但看不到？

　　如上图所示，真有一个服务器的443端口对应的服务发生故障了，可是等了半天就是收不到报警邮件。登录Nagios所在的系统，检查与邮件发送相关的情况，其基本操作是：检查sendmail是否起来（ps aux | grep sendmail）,结果正常；用mail程序手动发一封邮件给我的一个邮箱（mail Cs “This is a mail test project” sery@163.com

　　由上面的排查，基本可以断定sendmail没什么问题，域名解析也是正常的（专门为这个监控服务器解析MX及A记录），现在可能的原因只能在Nagios这边了。进入Nagios配置文件所在的目录，挨个察看配置文件。我的Nagios配置目录的情况如下：

　　[root@Nagios /usr/local/Nagios]# pwd
　　/usr/local/Nagios/etc

　　[root@Nagios /usr/local/Nagios/etc]# ls *.cfg
　　cgi.cfg                 contacts.cfg            localhost.cfg           services.cfg
　　commands.cfg            hostgroups.cfg          Nagios.cfg              timeperiods.cfg
　　contactgroups.cfg       hosts.cfg               resource.cfg没看见有什么异常的情况，改了其中的某些设置，如cgi.cfg文件，重启Nagios，还是不能发报警邮件。可是，但我点击web管理界面的时候，确实是有邮件报警行为，如下图所示：

　　既有主机故障通知，又有服务故障报警通知，而且都应该按我的定义发送邮件的呀！

Nagios自己也有日志记录

　　查去查来，找不到头绪。再查sendmail 的日志/var/log/maillog,只发现我手动发送邮件的记录，而没有其他发送记录---只有下面这么一条记录：

　　Jul 27 14:27:48 Nagios sm-mta[37141]: m6RERkYR037139: to=, ctladdr= (1003/1003), delay=00:00:02, xdelay=00:00:01, mailer=esmtp, pri=30623, relay=163mx02.mxmail.netease.com. [220.181.12.66], dsn=2.0.0, stat=Sent (Mail OK queued as mx16,QsCowLDbPSxWFYxIb6TzGw==.27600S2 1217140055)看来Nagios并没有调用sendmail发送邮件。

　　差点忘了，Nagios自己也有日志记录呢！赶快打开看一眼，发现里面有不少Warning，抽一个出来，其内容如下：

　　[1217166816] HOST NOTIFICATION: sery;mail-server;DOWN;host-notify-by-email;CRITICAL - Plugin timed out after 10 seconds
　　[1217166816] Warning: Attempting to execute the command "/usr/bin/printf "%b" "***** Nagios 2.9 *****nnNotification Type: PROBLEMnHost: mail-servernState: DOWNnAddress: 211.155.115.66nInfo: CRITICAL - Plugin timed out after 10 secondsnnDate/Time: Sun Jul 27 13:53:36 UTC 2008n" | /bin/mail -s "Host DOWN alert for mail-server!" sery@163.com" resulted in a return code of 127.  Make sure the script or binary you are trying to execute actually exists...

原因：邮件路径不对

　　其他的行也更这个类似；最有用的信息我用红色标记，其大意是不能执行上面的2进制或可执行文件。在这个条目中，只有2个执行文件?printf及mail。我把它按原样单独拿出来执行，操作过程如下：

　　（1）/usr/bin/printf  “"%b" "***** Nagios 2.9 *****n”  输出 ***** Nagios 2.9 *****，这是正常的结果。

　　（2）/bin/mail -s "Host DOWN alert for mail-server!" sery@163.com 输出su: /bin/mail: No such file or directory，没找到路径或目录。前面还手动发了邮件的，明明有mail这个客户端程序呀！可能这个路径不对，是linux的mail路径。查一下FreeBSD的mail路径，执行find / -name 得到mail在FreeBSD的路径为/usr/bin/mail 。

　　到这里，我们知道了为啥不能发邮件的根本原因，接下来，我把Nagios的配置文件commands.cfg的host-notify-by-email、service-notify-by-email的”/bin/mail”替换为“/usr/bin/mail”。其完整形式为：

　　# 'host-notify-by-email' command definition
　　define command{
　　command_name    host-notify-by-email
　　command_line    /usr/bin/printf "%b" "***** Nagios 2.9 *****nnNotification Type: $NOTIFICATIONTYPE$nHost: $HOSTNAME$nState: $HOSTSTATE$nAddress: $HOSTADDRESS$nInfo: $HOSTOUTPUT$nnDate/Time: $LONGDATETIME$n" | /usr/bin/mail -s "Host $HOSTSTATE$ alert for $HOSTNAME$!" $CONTACTEMAIL$
　　}
　　# 'notify-by-email' command definition
　　define command{
　　command_name    service-notify-by-email
　　command_line    /usr/bin/printf "%b" "***** Nagios 2.9 *****nnNotification Type: $NOTIFICATIONTYPE$nnService: $SERVICEDESC$nHost: $HOSTALIAS$nAddress: $HOSTADDRESS$nState: $SERVICESTATE$nnDate/Time: $LONGDATETIME$nnAdditional Info:nn$SERVICEOUTPUT$" | /usr/bin/mail -s "** $NOTIFICATIONTYPE$ alert - $HOSTALIAS$/$SERVICEDESC$ is $SERVICESTATE$ **" $CONTACTEMAIL$
　　}

　　修改完配置文件commands.cfg后重启 Nagios，再查看Nagios日志，不再有“Make sure the script or binary you are trying to execute actually exists...”报错，并且有发送报警邮件的记录了：

　　[root@Nagios /usr/local/Nagios/var]# tail -f Nagios.log
　　[1217170467] SERVICE ALERT: mail-server;check_tcp 995;CRITICAL;SOFT;1;CRITICAL - Socket timeout after 10 seconds
　　[1217170534] Auto-save of retention data completed successfully.
　　[1217170577] HOST ALERT: mail-server;DOWN;SOFT;1;CRITICAL - Plugin timed out after 10 seconds
　　[1217170587] HOST ALERT: mail-server;DOWN;SOFT;2;CRITICAL - Plugin timed out after 10 seconds
　　[1217170597] HOST ALERT: mail-server;DOWN;SOFT;3;CRITICAL - Plugin timed out after 10 seconds
　　[1217170607] HOST ALERT: mail-server;DOWN;SOFT;4;CRITICAL - Plugin timed out after 10 seconds
　　[1217170607] HOST ALERT: mail-server;UP;SOFT;5;PING OK - Packet loss = 0%, RTA = 111.63 ms
　　[1217170607] SERVICE ALERT: mail-server;check_tcp 995;CRITICAL;SOFT;2;CRITICAL - Socket timeout after 10 seconds
　　[1217170687] SERVICE ALERT: mail-server;check_tcp 995;OK;SOFT;3;TCP OK - 3.137 second response time on port 995
　　[1217171057] SERVICE NOTIFICATION: sery;fav-0;check_tcp 443;CRITICAL;service-notify-by-email;CRITICAL - Socket timeout after 10 seconds

　　收邮件，迫不及待，哈哈，我的163邮箱收到久违的报警信息了。再回去瞧一眼邮件日志/var/log/malllog,也记录了这个发送情况。

　　经验总结：通过日志记录，对于我们排查故障确实有着不可估量的好处。在实际的工作中，我们应该随时检查系统日志以及应用程序相关的日志，从记录项中寻找蛛丝马迹，从而得出解决问题的方法。