结合centreon监控平台,对rrdtool的数据进行二次分析highchart展现

      不知道,是不是所有的公司都会非常勤劳每个星期统计公司IDC的负载情况。如果有这方面需求,这个工作基本都是通过cacti或者centreon等等监控平台,手动选择特定时间特定服务的使用情况,如负载和内存等。最近有个需求,是要统计一天6个时间段的网络流量最大值和最小值,并登记入册。一般方法又是登陆监控平台,然后选择特定时间出图,然后再进行统计。这个方法,我真想说弱爆了,而我之前就一直重复着这样的工作。这次我打算利用自己不太娴熟的django、python、rrdtool、highcharts、jquery等来简化这一过程。

       整个过程:

                      1.使用rrdtool xport工具,将流量数据导出成xml格式

                      2.django views视图来返回xml

                      3.前端通过jquery 来解析xml 生成6个时间段的监控值数组和一个时间数组

                      4.有了这个6个数组,计算出最大值和最小值,塞到表格里就可以了

                      5.有个表格,那么再根据表格使用highcharts进行出图。


效果图:

wKiom1PHPlehlCHFAALYj_3hp9k243.jpg

相关代码分享:

1.一个button

<button onclick="parsexml('/time/1/')" class="btn btn-primary" >1 day ago</button>

2.parsexml 解析函数:

function parsexml(xml){
        $.ajax({
        type:'GET',
        url:xml,
        dataType:'xml',//注意处理信息的类型为xml,默认为html
        success:function(docxml){
            var value0 = parseInt($(docxml).find('v').first().text());
            var timearray = new Array();
            var valuearray = new Array();
            $(docxml).find('row').each(function(){
            var time = parseFloat($(this).children('t').text());
            var value = parseFloat($(this).children('v').text());
            timearray.push(time)
            valuearray.push(value)
                        });//end each
            var starttime = getLocalTime(timearray[0]);
            var endtime = getLocalTime(timearray[1439]);
            var value10 = valuearray.slice(0,600);
            var value12 = valuearray.slice(600,720);
            var value14 = valuearray.slice(720,840);
            var value19 = valuearray.slice(840,1140);
            var value21 = valuearray.slice(1140,1260);
            var value24 = valuearray.slice(1260,1440);
            $("#10max").text(value10.max());
            $("#10min").text(value10.min());
            $("#12max").text(value12.max());
            $("#12min").text(value12.min());
            $("#14max").text(value14.max());
            $("#14min").text(value14.min());
            $("#19max").text(value19.max());
            $("#19min").text(value19.min());
            $("#21max").text(value21.max());
            $("#21min").text(value21.min());
            $("#24max").text(value24.max());
            $("#24min").text(value24.min());
            loadchart(starttime,endtime);

                    }  // end of success
                });   // end of ajax
                          } // end of parsexml

3.highcharts 生成图片函数:

  

function loadchart(starttime,endtime){
    $(document).ready(function(){

    $('#TrafficHighChart').highcharts({
        data: {
            table: document.getElementById('datatable')
        },
        chart: {
            type: 'column'
        },
        title: {
            text: 'From ' + starttime + ' To ' + endtime
        },
        yAxis: {
            allowDecimals: false,
            title: {
                text: 'IDC Traffic'
            }
        },
        tooltip: {
            formatter: function() {
                return '<b>'+ this.series.name +'</b><br>'+
                    this.y;
            }
        }
    }); //end of highcharts
});//end of documentready
            } //end of loadchart

4.计算数组最大值最小值函数:

    Array.prototype.min = function() {
    var min = this[0];
    var len = this.length;
    for (var i = 1; i < len; i++){
    if (this[i] < min){
    min = this[i];
    }
                                  }
    min = (min/1048576).toFixed(2);
    return min;
                                      }
    Array.prototype.max = function() {
    var max = this[0];
    var len = this.length;
    for (var i = 1; i < len; i++){
    if (this[i] > max) {
    max = this[i];
                        }
                                }
    max = (max/1048576).toFixed(2)
    return max;
                                    }
    function parsexml(xml){
        $.ajax({
        type:'GET',
        url:xml,
        dataType:'xml',//注意处理信息的类型为xml,默认为html
                        }
                                }
    max = (max/1048576).toFixed(2)
    return max;

5.表格格式:

    <table id="datatable" style="margin-left:20px;" class = "table table-bordered table-striped">
    <thead>
      <tr>
        <th>Time Range</th>
        <th>max(Mb/s)</th>
        <th>min(Mb/s)</th>
      </tr>
    </thead>
    <tbody>
      <tr>
        <th>00:00-10:00</th>
        <td id = "10max"></td>
        <td id = "10min"></td>
      </tr>
      <tr>
        <th>10:00-12:00</th>
        <td id = "12max"></td>
        <td id = "12min"></td>
      </tr>
      <tr>
        <th>12:00-14:00</th>
        <td id = "14max"></td>
        <td id = "14min"></td>
      </tr>
      <tr>
        <th>14:00-19:00</th>
        <td id = "19max"></td>
        <td id = "19min"></td>
      </tr>
      <tr>
        <th>19:00-21:00</th>
        <td id = "21max"></td>
        <td id = "21min"></td>
      </tr>
      <tr>
        <th>21:00-24:00</th>
        <td id = "24max"></td>
        <td id = "24min"></td>
      </tr>
    </tbody>
  </table>

6.highchart<div>

<div id="TrafficHighChart" style="min-width:700px;height:400px"></div>


7.django views:

rrd这个rrdtool的数据库文件名称,自己想办法找到。

def trfrrdxport(request,offset):
    try:
        offset = int(offset)
    except ValueError:
        raise Http404()
    rrd = '/var/lib/centreon/metrics/711.rrd'
    start = int(time.mktime((datetime.date.today() - datetime.timedelta(days = offset)).timetuple()))
    end = int(time.mktime((datetime.date.today() - datetime.timedelta(days = offset - 1)).timetuple()))
    step = '60'
    legend = 'IDC_Traffic'
    xport = rrdxport(rrd,start,end,step,legend)
    return HttpResponse(xport)

8.django urls:

(r'^time/(\d)/$',trfrrdxport),

9.rrdxport()xml导出函数:

def rrdxport(rrd,start,end,step,legend):
    s = paramiko.SSHClient()
    s.load_system_host_keys()
    s.set_missing_host_key_policy(paramiko.AutoAddPolicy())
    try:
        pkey_file='/home/tadu/.ssh/id_rsa'
        key = paramiko.RSAKey.from_private_key_file(pkey_file)
        s.connect('xxx.xxx.xxx.xxx',22,'root',pkey=key,timeout=5)
        cmd = "/usr/bin/rrdtool xport --start %s --end %s DEF:value1=%s:traffic_out:AVERAGE:step=%s  XPORT:value1:'%s'" % (start,end,rrd,step,legend)
        stdin,stdout,stderr = s.exec_command(cmd)
        return stdout.read()
    except Exception,e:
        return e

备注:这个函数我是通过ssh到监控机上获取的。


这只是一种通过rrdtool数据进行前端分析展现的方法,我通过这个例子来证明其可能性,如果想要分析100台服务器每周的内存使用平均值,然后绘制到一张图里,来看top10数据。这种方法也是可以实现的。




2014年7月17号,今天是个特殊的日子,之前的文章全部清空了。用这篇文章做个纪念,希望一切都好!









你可能感兴趣的:(监控,centreon)