Skip to main content

Monitorización

Este proyecto incluye un módulo empaquetado "prod_monitoring_nsxt", el cual está preparado para envíar métricas de monitorización de sistemas NSX-T hacia sistemas kafka para su posterior recolección en BBDD. Una vez las métricas estén en BBDD serán accesibles desde el dashboard de Grafana. Funciona creando instancias paralelas que recolectan las métricas de cada uno de los nodos a monitorizar, definidos en el fichero "configuration.yaml"

Requisitos

Los requisitos para instalar y ejecutar el proyecto son:

  • Un IDE o un editor de código:

    • IDE: PyCharm
    • Editores de Código: Visual Studio Code, Notepad++, VIM
  • Un entorno de Python 3.6.8 mínimo con las siguientes librerías:

    • library-nsxt
    • proc-monitoring
  • Si se utiliza en Windows, también instalar los paquetes:

    • win-inet-python
  • Opcionalmente, si se requiere ejecutar un entorno local de kafka para realizar pruebas, se pueden utilizar las siguientes imágenes docker para construir el entorno:

    • confluentinc/cp-zookeeper
    • confluentinc/cp-kafka
      En el directorio "docker" hay un fichero para construir el entorno local de kafka con docker.

Instalación

Para instalar el programa localmente o en un Linux remoto:

  1. Descargar o clonar el proyecto desde el repositorio.
  2. Asegurarse de tener un entorno de Python funcional con la versión requerida y los paquetes necesarios.
  3. Modificar el fichero configuration.yaml para recolectar las métricas de los nodos deseados y configurar el sistema kafka al que se van a envíar.
  4. Ejecutar el siguiente comando desde nuestro entorno de python para no tener problemas en la localización de las clases desde el fichero "configuration.yaml":
python setup.py install.
  1. Ejecutar el script "executor.py" con el fichero de configuración (configuration.yaml).
  2. Opcionalmente podemos definir un servicio para ejecutar la recolección de métricas en segundo plano.

Se puede instalar docker y ejecutar el comando docker-compose up en el directorio "docker" para crear un entorno de pruebas con Kafka instalado y así depurar fallos en el envío de métricas a Kafka.

Configuración

Para configurar los nodos a monitorizar o modificar el servidor Kafka al que se envían las métricas, modificar el fichero configuration.yaml. Este fichero está dividido en 3 objetos principales, "nodos", "argumentos" y "conexiones":

  • Nodos(nodes): En esta sección los nodos son declarados y configurados. Para añadir un nodo, simplemente añadir una entrada a la lista de nodos, con el parámetro type especificando el nombre completo de la clase a la que debería de ser instanciada, y el parámetro args especificando el diccionario de argumentos que se pasaría a la clase. Cada tipo de nodo que se defina en un futuro, debería de estar documentado en el directorio docs.

  • Argumentos(args): En esta sección los argumentos son creados y definidos. El valor de estos argumentos, es obtenido posteriormente desde la clase nodo concreta para ser utilizado.

  • Conexiones(connection_refs): En esta sección se definen las conexiones necesarias para recabar métricas y enviarlas, como por ejemplo, la uri de la API de NSX y sus credenciales, o la IP del servidor Kafka al que se van a envíar las métricas. Posteriormente se accede a estás conexiones definidas desde la sección args de cada nodo.

Metadata

Release files for prod-monitoring-nsxt 1.0.2.post11

For a detailed explanation of source distributions (sdists) and built distributions (wheels), please see the package formats documentation.

Built distribution (wheel)

Table of built distributions (wheels) for prod-monitoring-nsxt 1.0.2.post11
File Interpreter ABI Platform
prod_monitoring_nsxt-1.0.2.post11-py3-none-any.whl Python 3 none any Details

Release files / prod_monitoring_nsxt-1.0.2.post11-py3-none-any.whl

Download URL prod_monitoring_nsxt-1.0.2.post11-py3-none-any.whl
Size 8.1 kB
Tags Python 3
SHA-256 checksum
How to use checksums
b801fd3821d8a56ce26381a8e8e8b327ab838236016f8058e204b8a665c6ca16
BLAKE2b-256 checksum
How to use checksums
32daea01121e7e08bc8819dd148197f418023a768bd21015203340ee57593c9a
Upload date
Uploaded using Trusted Publishing?
What is trusted publishing?
No
Uploaded via twine/3.4.1 importlib_metadata/4.6.0 pkginfo/1.7.0 requests/2.25.1 requests-toolbelt/0.9.1 tqdm/4.61.1 CPython/3.6.8
Anthropic, PBC Visionary sponsor Bloomberg Visionary sponsor Hudson River Trading Visionary sponsor Meta Visionary sponsor NVIDIA Visionary sponsor Microsoft Sustainability sponsor Depot Continuous Integration AWS Cloud computing and Security Sponsor Datadog Monitoring Fastly CDN Google Download Analytics Sentry Error logging StatusPage Status page