kolla安装collectd+influxdb+grafana监控虚拟机状态

admin · 发表于 2021-7-2 17:00:28

collectd是一个守护(daemon)进程，用来收集系统性能和提供各种存储方式来存储不同值的机制。
influxdb 是一个时序数据库。
grafana是一个前端展示工具。

可以使用collectd 的virt插件通过Libvirtd 的API 收集虚拟机的数据，然后保存到时序数据库influxdb。最后通过grafana将influxdb中存储的数据以图标的形式展示出来。

一、部署 collectd influxdb grafana prometheus
1.修改全局配置globals.yml文件，设置部署监控相关文件。

vim /etc/kolla/globals.yml

enable_collectd: "yes"
enable_grafana: "yes"
enable_influxdb: "yes"
enable_prometheus: "yes"
prometheus_cmdline_extras: "-storage.local.retention 720h"

prometheus-server 数据保存30天单位d无法识别。可以附加的参数可参考https://blog.csdn.net/dengxiangbao3167/article/details/102365367

相应的prometheus的exporter包含

#enable_prometheus_haproxy_exporter: "{{ enable_haproxy | bool }}"
#enable_prometheus_mysqld_exporter: "{{ enable_mariadb | bool }}"
#enable_prometheus_node_exporter: "{{ enable_prometheus | bool }}"
#enable_prometheus_cadvisor: "{{ enable_prometheus | bool }}"
#enable_prometheus_memcached: "{{ enable_prometheus | bool }}"
#enable_prometheus_alertmanager: "{{ enable_prometheus | bool }}"
#enable_prometheus_ceph_mgr_exporter: "{{ enable_prometheus | bool and enable_ceph | bool }}"
#enable_prometheus_openstack_exporter: "{{ enable_prometheus | bool }}"
#enable_prometheus_elasticsearch_exporter: "{{ enable_prometheus | bool and enable_elasticsearch | bool }}"
#enable_prometheus_blackbox_exporter: "{{ enable_prometheus | bool }}"

2.安装部署相应的容器组件

kolla-ansible deploy -i /etc/kolla/all-in-one
1
3.完成后查看相关组件docker容器是否部署完成

docker ps -a | grep -e collectd -e influxdb -e grafana -e prometheus
1

二、修改相应配置文件，通过libvirt监控虚拟机
自定义的配置文件位置，该位置的配置文件会取代默认配置文件。

# The directory to merge custom config files the kolla's config files
node_custom_config: "/etc/kolla/config"

mkdir /etc/kolla/config
1
使用kolla部署完成后。默认配置文件是/etc/kolla/<< service name >>/<< config file >>。
自定义配置文件路径是/etc/kolla/config/,且自定义配置文件一旦设置，就会覆盖且替换原配置文件。
路径可以是

/etc/kolla/config/<< config file >>,
/etc/kolla/config/<< service name >>/<< config file >>,
/etc/kolla/config/<< service name >>/<< hostname >>/<< config file >>

1.collectd 配置
libvirt有不同的虚拟机库，通过API可以访问控制虚拟机。OpenStack也是通过libvirt的API也控制底层的虚拟机的。

cp /etc/kolla/collectd/collectd.conf /etc/kolla/config/
vim /etc/kolla/config/collectd.conf
1
2
FQDNLookup false
LoadPlugin syslog
LoadPlugin cpu
LoadPlugin interface
LoadPlugin load
LoadPlugin memory

LoadPlugin network

LoadPlugin logfile
LoadPlugin virt

<Plugin network>
Server "192.168.199.90" "25826"
</Plugin>

<Plugin logfile>
      LogLevel info
      File "/var/log/kolla/collectd/collectd.log"
      Timestamp true
      PrintSeverity false
</Plugin>

<Plugin virt>
      Connection "qemu+tcp://192.168.199.90/system"
      HostnameFormat hostname
      PluginInstanceFormat uuid
      BlockDeviceFormat target
      InterfaceFormat name
      ExtraStats "cpu_util"
</Plugin>

启用了插件 logfile virt network。logfile是日志插件，virt就是与libvirtd的API通信的插件，network网络插件将收集的数据通过网络发送出去。

network插件设置。

Server "192.168.199.90" "25826"
1
表示将数据发送到192.168.199.90主机的25826端口。就是下一步设置的influxdb收集collectd数据的主机端口。

LoadPlugin cpu
LoadPlugin interface
LoadPlugin load
LoadPlugin memory

这四个插件是用来收集宿主机的信息的。interface可能还会监听了虚拟机虚拟网卡的信息，如果不希望通过interface插件收集虚拟网卡信息（virt插件会收集）。可以设置interface只监听想要监听的网卡名。

<Plugin "interface">
Interface "ens33"
Interface "ens34"
</Plugin>

virt 插件设置

<Plugin virt>
      Connection "qemu+tcp://192.168.199.90/system"
      HostnameFormat hostname
      PluginInstanceFormat uuid
      BlockDeviceFormat source
      BlockDeviceFormatBasename false
      InterfaceFormat name
      ExtraStats "cpu_util"
</Plugin>

具体参数详情可以看官网
https://collectd.org/documentati ... 5.shtml#plugin_virt

Connection 表示连接的libvirt API服务。
就像使用qemu+kvm创建虚拟机时使用virsh管理时使用virsh -c qemu+tcp://192.168.199.90:16509/system
即可连接到libvirtd服务控制虚拟机相关。由于16509是默认端口号，可以省略
由于是ALLInOne 所以collectd设置只有一个，多个主机部署时，需要每个计算节点上安装collectd指向本机的libvirt。
因此每个collectd设置文件都不相同。

HostnameFormat name|uuid|hostname|...
当virt插件记录数据时，会根据此设置设置所收集数据的主机名。
默认的做法是使用hypervisor提供的来宾名称，这等于设置为虚拟机name。
UUID 意味着使用虚拟机的UUID。如果您想跨迁移跟踪同一个客户，这是很有用的。
hostname 意味着使用“全局主机名”设置，这本身可能并不有用，因为所有来宾似乎都有相同的名称。
hostname就是宿主机名。。。这个其实挺重要的（在有多个宿主机的虚拟机数剧都保存到一个数据库时，可以通过hostname来确定不同虚拟机在哪一个主机。）
至于实例的名称或UUID 可以使用PluginInstanceFormat来设置

PluginInstanceFormat name|uuid|none
当virt插件记录数据时，它会根据此设置设置所收集数据的plugin_instance。默认情况是不设置plugin_instance。(只有一个宿主机时可以直接设置HostnameFormat name来代替PluginInstanceForma的设置)
name是指使用管理程序提供的虚拟机名称。UUID意味着使用虚拟机的UUID。
OpenStack中是根据uuid来管理虚拟机的，虚拟机在libvirtd中的name和OpenStack中设置的并不一致。libvirtd底层管理是自动生成的，OpenStack中创建时手动命名的。
HostnameFormat和PluginInstanceFormat都可以使用多个fields。如name uuid。会同时显示名称和uuid中间使用 : 分隔。如foo:1234-1234-1234-1234

BlockDeviceFormat target|source
挂载到虚拟机中的磁盘设备名设置。
virsh # domblklist instance-0000000a
Target    Source
------------------------------------------------
vda       /var/lib/nova/instances/86862558-141c-45b7-bfcf-b4e497f91bda/disk
vdb       /dev/sdc
target  是映射到实例中的磁盘名 vda vdb。即实例中可以通过lsblk看到的。
source 虚拟磁盘对应的路径及磁盘文件名。/var/lib/nova/instances/86862558-141c-45b7-bfcf-b4e497f91bda/disk /dev/sdc
如果设置BlockDeviceFormatBasename设置为true，则只显示文件名不显示前面的路径。默认未设置BlockDeviceFormatBasename，是false即显示前面路径

InterfaceFormat name|address
虚拟机的网卡显示 name或者address。name网卡名，address网卡mac地址。

ExtraStats "cpu_util"
virt额外记录的数据。此处只设置了一个cpu_util 即CPU的利用率。
virsh # domiflist instance-00000002
Interface Type Source Model MAC
-------------------------------------------------------
tap97caffeb-9a bridge qbr97caffeb-9a virtio fa:16:3e:64:5f:c0
interface就是name ，MAC就是address

这是单个主机ALLinOne下设置配置文件的情况，如果多个计算节点，每个计算节点的collectd的配置文件是不同的，需要单独设置（主要不同就是连接的libvirtd API的IP不同）,每个计算节点需要一个collectd收集本计算节点的相应libvirt 数据。

很奇怪的一点，似乎使用kolla部署的collectd容器收集虚拟机数据时无法收集虚拟机的内存信息，只能获取虚拟机全部内存。直接使用yum安装的collectd却可以收集used,availble 等。。。不知道原因

2.influxdb 配置
cp /etc/kolla/influxdb/influxdb.conf /etc/kolla/config/
vim /etc/kolla/config/influxdb.conf
1
2
reporting-disabled = true
[logging]
  level = "info"
  file = "/var/log/kolla/influxdb/influxdb.log"
[meta]
  dir = "/var/lib/influxdb/meta"
  retention-autocreate = true
  logging-enabled = true
[data]
  dir = "/var/lib/influxdb/data"
  wal-dir = "/var/lib/influxdb/wal"
  wal-logging-enabled = true
  data-logging-enabled = true
  index-version = "tsi1"
[coordinator]
  write-timeout = "10s"
  max-concurrent-queries = 0
  query-timeout = "0s"
  max-select-point = 0
  max-select-series = 0
  max-select-buckets = 0
[retention]
  enabled = true
  check-interval = "30m"
[shard-precreation]
  enabled = true
  check-interval = "10m"
  advance-period = "30m"
[monitor]
  store-enabled = true
  store-database = "_internal"
  store-interval = "10s"
[http]
  enabled = true
  bind-address = "192.168.199.90:8086"
  auth-enabled = false
  log-enabled = true
  write-tracing = false
  pprof-enabled = false
  https-enabled = false
[[graphite]]
  enabled = false
[[opentsdb]]
  enabled = false
[[udp]]
  enabled = false
[continuous_queries]
  log-enabled = true
  enabled = true

[[collectd]]
  enabled = true
  bind-address = "192.168.199.90:25826"
  database = "collectd"
  typesdb = "/var/lib/influxdb/types.db"

主要是添加了末尾一段。influxdb是可以作为collectd的network Server，可以将collectd发送的数据保存起来。前提是有对应的type.db数据格式。
https://download.csdn.net/download/dandanfengyun/14989445

[[collectd]]
  enabled = true
  bind-address = "192.168.199.90:25826"
  database = "collectd"
  typesdb = "/var/lib/influxdb/types.db"

bind-address = "192.168.199.90:25826"表示监听192.168.199.90主机25827端口的数据。然后保存到库collectd中。数据格式typesdb = “/var/lib/influxdb/types.db”

数据格式文件需要手动添加。部署OpenStack时，对于一些特别的需要存储数据的组件docker，都有相应的docker volume附加卷。直接映射到容器内。 influxdb容器附加卷在宿主机中对应位置

         {
            "Type": "volume",
            "Name": "influxdb",
            "Source": "/var/lib/docker/volumes/influxdb/_data",
            "Destination": "/var/lib/influxdb",
            "Driver": "local",
            "Mode": "rw",
            "RW": true,
            "Propagation": ""
         },

将文件types.db保存到/var/lib/docker/volumes/influxdb/_data，容器内即可在/var/lib/influxdb位置找到该文件。

docker exec collectd cat /usr/share/collectd/types.db > /var/lib/docker/volumes/influxdb/_data/types.db
1
[root@ALLInOne-Kolla ~]# ls /var/lib/docker/volumes/influxdb/_data/
data meta types.db wal
1
2
3.加载个人配置。
kolla-ansible reconfigure -i /etc/kolla/all-in-one
1
完成后，会使用个人配置替代默认配置。并重启相应的组件容器加载新的配置。

新配置生效之后，最好将influxdb数据库原数据清除一下，因为原数据中会包含一些不符合新配置的数据。

删除库 collectd

curl -i -XPOST http://192.168.199.90:8086/query --data-urlencode 'q=DROP DATABASE collectd'
1
新建库 collectd

curl -i -XPOST http://192.168.199.90:8086/query --data-urlencode 'q=CREATE DATABASE collectd '
1
有一些配置是无法通过配置文件设置的。如数据保存时间等。可以使用influxdb的api来设置。
https://archive.docs.influxdata. ... .2/tools/api/#query

创建库collectd （如果有数据存入，该库会被自动创建的）

curl -i -XPOST http://192.168.199.90:8086/query --data-urlencode 'q=CREATE DATABASE collectd'
1
查看存储策略一般是永久保存

curl -i -XPOST http://192.168.199.90:8086/query --data-urlencode 'q=SHOW RETENTION POLICIES ON collectd'
1
设置新的保存策略 30天并设置为默认策略

curl -i -XPOST http://192.168.199.90:8086/query --data-urlencode 'q=CREATE RETENTION POLICY "train" ON "collectd" DURATION 720h REPLICATION 1 DEFAULT'
1
删除旧策略

curl -i -XPOST http://192.168.199.90:8086/query --data-urlencode 'q=DROP RETENTION POLICY "autogen" ON "collectd"';

1
2
4.influxdb一些其它的api。
删除数据库

curl -i -XPOST http://192.168.199.90:8086/query --data-urlencode 'q=DROP DATABASE collectd'
1
查看库列表

curl -G 'http://192.168.199.90:8086/query?q=SHOW+DATABASES'
1
查看库measurements 可以理解为表

curl -G 'http://192.168.199.90:8086/query' --data-urlencode "db=collectd" --data-urlencode 'q=show measurements'
1
查看具体数据

curl -G 'http://192.168.199.90:8086/query' --data-urlencode "db=collectd" --data-urlencode 'q=select * from virt_rx limit 10'
1
prometheus和grafana等暂不需额外配置文件。

三、grafana 根据influxdb中数据生成图表。
和普通的监控虚拟机基本一致。https://blog.csdn.net/dandanfengyun/article/details/112269935

不过由于直接通过libvirt的API监控虚拟机状态。没有经过OpenStack，所以虚拟机的名称无法对应。需要通过虚拟机的UUID来确定。
连接的是libvirt，也就是计算节点的libvirt。一个collectd只能监听一个计算节点livirtd，多节点部署多个计算节点，需要在每个计算节点安装collectd连接本节点libvirtd。
对OpenStack的整体信息，如虚拟机数量等也无法统计。且虚拟机移除后，数据不会随之消失，只是无有新的数据统计。保存策略是永久。

所以需要配合prometheus使用。prometheus_openstack_exporter会获取OpenStack的整体信息。如vm数量，cinder数量，glance的镜像数量等。但是没有具体虚拟机的具体信息。

1.设置数据源。
登录进grafana http://192.168.199.90:3000 192.168.199.90即grafana组件所在主机IP。

用户 admin。密码可在grafana /etc/kolla/passwords.yml 中找grafana_admin_password

egrep grafana /etc/kolla/passwords.yml
1
登录成功后设置数据源

1.influxdb的collectd数据源

Name：collectd (这个是自定义的grafana数据源名)
URL ： 192.168.199.90:8086
Database：collectd

完成点Save & Test 即可，成功的话是 Data source is working
失败查看一下influxdb组件docker容器是否启动，IP端口对不对等。。。

2.prometheus数据源

Name：Prometheus
URL：http://192.168.199.90:9091

2.设置dashboard的变量
基本上不可能只有一个虚拟机，且把多个虚拟机的信息一起展示也不合理。所以设置一些变量来确定当前展示的数据是哪一个虚拟机的。

host SHOW TAG VALUES WITH KEY=host
instance_uuid  SHOW TAG VALUES WITH KEY=instance WHERE host='$host'
virt_interface  SHOW TAG VALUES FROM virt_rx,virt_tx WITH KEY=type_instance WHERE instance='$instance_uuid'
virt_disk SHOW TAG VALUES FROM virt_read,virt_write WITH KEY=type_instance WHERE instance='$instance_uuid'
instance_name  label_values(openstack_nova_server_status{id="$instance_uuid"}, name)

分别设置宿主机名虚拟实例uuid 虚拟网卡虚拟磁盘以及实例名
宿主机变量

虚拟机实例uuid变量

虚拟网卡变量

虚拟磁盘变量

实例名

host instance_uuid virt_interface virt_disk都是根据collectd库中数据查询产生

最后一个比较特殊，不应该称之为变量。而应该作为一个展示的文字。是根据host_uuid根据prometheus查询而来。（一个dashboard当然可以使用多个数据源）

由于Libvirtd 的API中显示的实例名是类似于instance-000001这种的，与OpenStack创建时设置的实例名并不一致（UUID一致），所以通过collectd收集的数据上没有真实的OpenStack的实例名，可以通过Prometheus来获取对应uuid的实例名，仅在此处使用一次Prometheus数据源。

因此最后一个变量并不能称为变量，实际上是根据uuid通过prometheus查询出的一个值。

3.设置panel。
这个根据influxdb查询语句和grafana使用个人创建即可。

4.相关dashboard的json示例。
这个只是个人保存使用的一个dashboard示例，应该是无法通用的。
不用重新每次都再重复一遍2，3。导入数据源collectd后直接import该json文件即可
https://download.csdn.net/download/dandanfengyun/15073272

创建数据源略。

点击import导入模板

选择模板文件

最终导入

附
如果Prometheus和influxdb中collectd数据实例基本一致，可以设置更多的变量信息。
如实例不同状态根据Prometheus数据库查询。
uuid也使用Prometheus 数据库根据实例状态查询。
其他的数据根据uuid在influxdb的collectd库中查询。
一致的是，实例名依然只能作为一个展示数据，而不能作为真正变量影响数据展示。

结合了prometheus展示了虚拟机的状态，根据状态查询实例uuid，选择ACTIVE可以避免查询到已经废弃的实例，也可选择SHUTOFF查询已停止运行实例的状态不好的是也会查到状态是BUILD的实例

不过实例状态查询重要的就是查询最近一段时间内活动实例的状态，因此状态变量选择基本是ACTIVE，只用于筛选出活动的变量即可。
且BUILD 状态的实例BUILD状态只会存在很短的时间，最终会转化成ACTIVE。

grafana变量设置

host 宿主机名（influxdb）
SHOW TAG VALUES WITH KEY=host

instance_status 实例状态（prometheus）
label_values(openstack_nova_server_status{hypervisor_hostname="$host"}, status)

instance_uuid 实例uuid（prometheus）因为此处使用prometheus查询uuid可以根据实例状态查询
label_values(openstack_nova_server_status{hypervisor_hostname="$host",status="$instance_status"}, uuid)

virt_interface 实例虚拟网卡（influxdb）
SHOW TAG VALUES FROM virt_rx,virt_tx WITH KEY=type_instance WHERE instance='$instance_uuid'

virt_disk 实例虚拟磁盘（influxdb）
SHOW TAG VALUES FROM virt_read,virt_write WITH KEY=type_instance WHERE instance='$instance_uuid'

instance_name 实例名（prometheus）
label_values(openstack_nova_server_status{id="$instance_uuid"}, name)

panel都不用改变。。。。。。

https://download.csdn.net/download/dandanfengyun/15137036

这里有一个问题不知道理解的对不对。。。
prometheus和collectd都是时序数据库。
Prometheus记录的实例信息也是按时间存放多个的。（隔一段时间存放当时的实例状态信息）

grafana变量也是和时间相关的（也就是grafana变量不仅和其他变量相关，也和时间相关）
也就是说，一个实例的状态信息选择时间段不同，是可能有多个不同的变量的。
如变量为实例运行状态 15分钟前关闭了该实例。假设只有两个实例，一个运行一个15分钟前关闭。

那么选择5分钟前到现在的时间段，变量就有active和shutoff。active的实例只有一个，shutoff的实例也只有一个。

被删除的实例则没有ACTIVE或SHUT OFF状态，但是prometheus和influxdb中都记录了被删除前虚拟实例的运行状况。

但是当选择30分钟前到现在的时间段，变量就有active和shutoff。shutoff的实例还是只有一个，但是active的实例有两个（这个听起来有点那啥），只要记住 prometheus是时序数据库，不能把该变量当成真正的纯粹记录当前实例状态的布尔值。 30前到15分钟前，该实例是active的，15分钟前到现在，该实例是shutoff的，所以该实例有两个运行状态。。。

问题
collectd 无法通过OpenStack获取用户等信息。如果要使用grafana展示可能要通过prometheus。
grafana需要通过prometheus和influxdb两个数据源才能展示实例的状态信息。

collectd也无法收集实例内空间使用占用情况。

admin · 发表于 2021-7-2 17:00:29

ceilometer与gnocchi

ceilometer项目是openstack中用来做计量计费功能的一个组件，后来又逐步发展增加了部分监控采集、告警的功能。由于种种原因，ceilometer项目在Openstack中已经处于一种没落的状态，基本没有什么新的特性开发了，原本该项目的PTL也另起炉灶开始在做Gnocchi项目(ceilometer的后端存储系统)。虽然该项目已经没有前几年活跃，但是还是在很多公有云场景中有比较多的应用，而生产环境中，可能很多公司还用的是M、N版本。% [1 I3 _& C5 U, b3 |( l
转自

https://blog.csdn.net/mengalong/article/details/81196481

gnocchi解决的问题是大规模地存储和索引时间序列数据和资源。& h/ W8 w2 V9 l& ^2 v+ Z1 \, c
http://gnocchi.xyz

ceilometer收集虚拟机数据然后将数据存储到gnocchi数据库，最后由grafana 前端展示数据图表。

不过grafana高版本似乎对gnocchi的兼容不足，3-6版本之间的可以实现兼容。grafana6以上的似乎无法兼容 gnocchi 数据源。因此部署时需重新安装6版本以下的grafana实现 gnocchi数据源的添加展示。$ F# }4 h+ l+ h' `
且ceilometer有时在主机重启后需要重新启动相关服务才会继续收集数据。

docker restart ceilometer_ipmi ceilometer_compute ceilometer_central ceilometer_notification

1
# ^" ?: N0 R( F/ H/ o" q

部署相关组件

train版本自动安装的grafana 版本7.3.7。无法添加gnocchi的dataresource。。。（一致testing无法成功）4 M: s7 J* _0 G. @
因此想要使用grafana展示gnocchi中数据的话。需要安装更低版本的grafana。- i! P. ]( @! r' ]( k3 P
如安装6.3.4版本的grafana，端口号设置为3002避免和通过kolla部署的冲突。

编辑配置文件。

vim /etc/kolla/globals.yml

11 \7 e& Y$ K" l, {& Q

enable_ceilometer: "yes"enable_ceilometer_ipmi: "yes"enable_gnocchi: "yes"enable_grafana: "yes"

1
2
3
4
& j) G" p- A/ [9 @2 @; ^

部署安装

kolla-ansible deploy -i /etc/kolla/all-in-one

1
) o6 v; T1 V3 L& T. V9 g

安装完成查看相关容器运行

[root@ALLInOne-Kolla ~]# docker ps -a | grep -e ceilometer -e gnocchi -e grafana0bec855b4a25 kolla/centos-binary-grafana:train "dumb-init --single-…" 2 weeks ago Up 53 minutes grafanae7edc514bbc8 kolla/centos-binary-ceilometer-ipmi:train "dumb-init --single-…" 2 weeks ago Up 54 minutes ceilometer_ipmi7f198cc0757e kolla/centos-binary-ceilometer-compute:train "dumb-init --single-…" 2 weeks ago Up 54 minutes ceilometer_computeddf54797e3ee kolla/centos-binary-ceilometer-central:train "dumb-init --single-…" 2 weeks ago Up 55 minutes ceilometer_centrald8d3bdb576f3 kolla/centos-binary-ceilometer-notification:train "dumb-init --single-…" 2 weeks ago Up 17 minutes ceilometer_notificationd6c90a4b3bd6 kolla/centos-binary-gnocchi-statsd:train "dumb-init --single-…" 2 weeks ago Up 55 minutes gnocchi_statsd899e3458d32b kolla/centos-binary-gnocchi-metricd:train "dumb-init --single-…" 2 weeks ago Up 55 minutes gnocchi_metricd0e0de420ca0b kolla/centos-binary-gnocchi-api:train "dumb-init --single-…" 2 weeks ago Up 55 minutes gnocchi_api

2 N% `/ W" b6 [: Q) e8 N

安装gnocchiclient 查看数据。

默认部署 ceilometer 数据保存到gnocchi中保存策略是low。基本上5分钟保存一次数据。。。所以数据有时候需要等一下。 R5 i* t2 w" @, P1 t1 X0 n
长时间无数据且查看相关容器正常运行后或者宿主机重启后建议重启ceilometer_notification容器可能解决问题。

docker restart ceilometer_notification

1
! x0 @( I/ N0 A8 \

或者重启 ceilemeter 相关所有容器

docker restart ceilometer_ipmi ceilometer_compute ceilometer_central ceilometer_notification

1 p. {. d' j: H9 Z% S

1.安装gnocchiclient

pip install gnocchiclient

1
- n+ A) a/ e, i- _2 M

2.加载认证

source /etc/kolla/admin-openrc.sh

1
0 l# v6 u$ u/ V

3.通过gnocchi-api查看gnocchi中存储数据。3 B) H" |* \9 j1 I2 n% v- ?. A
当前采集的资源列表

gnocchi resource list

1- C( y" w1 M6 e/ a" [7 K" x

列出支持资源类别列表

gnocchi resource-type list

19 t/ i! ?' S! N0 S+ X. z

列出某个资源的数据采集单元（resource_ID)

gnocchi metric list | grep 511483be-89a2-4b7e-91b8-41adf4276651

1& Y$ ]* d8 Q, v/ a4 c! ^

显示单个metric的记录数据，（metric_ID）

gnocchi measures show e45156e4-7544-49a1-ab9a-a22fdc1f56e2

1, W+ ?% T- }% t" I

查看帮助

gnocchi --help

1
1 Z7 ~6 c; H+ W) ?1 Q+ \( `6 s

或者官网查看http://gnocchi.xyz

[root@ALLInOne-Kolla ~]# gnocchi measures show e45156e4-7544-49a1-ab9a-a22fdc1f56e2+---------------------------+-------------+-----------+| timestamp | granularity | value |+---------------------------+-------------+-----------+| 2021-02-25T13:35:00+08:00 | 300.0 | 82311.0 || 2021-02-25T13:40:00+08:00 | 300.0 | 112481.0 || 2021-02-25T13:45:00+08:00 | 300.0 | 142721.0 || 2021-02-25T13:50:00+08:00 | 300.0 | 172247.0 || 2021-02-25T13:55:00+08:00 | 300.0 | 202557.0 || 2021-02-25T14:00:00+08:00 | 300.0 | 232643.0 || 2021-02-25T14:05:00+08:00 | 300.0 | 262617.0 || 2021-02-25T14:10:00+08:00 | 300.0 | 292409.0 |+---------------------------+-------------+-----------+

9 Z" y1 I9 w/ z( j, f" w, O1 _

数据保存完成且可查看，下一步是通过grafana展示

Grafana展示

安装完成添加gnocchi数据源后使用dashboard模板展示数据。
* t; S3 f: V( \6 @https://grafana.com/grafana/dashboards/12536

使用kolla部署的grafana版本过高似乎不再支持gnocchi 的数据源插件了。 U# K! ?/ ?' p Q1 z+ c
只好额外安装一个更低版本的grafana软件。6.4.3。。。

yum -y install wgetwget https://dl.grafana.com/oss/release/grafana-6.4.3-1.x86_64.rpm sudo yum -y install grafana-6.4.3-1.x86_64.rpm

5 V- Q) r* B8 b

修改端口为3002，因为kolla部署的grafana容器组件占用了3000

vim /etc/grafana/grafana.ini

13 [8 A% t2 G! L- a) ? r c

[server]http_port = 3002

1
2- Y9 [- r S* w3 N0 V6 G1 |

修改完成保存。启动grafana6.4.3

systemctl enable grafana-serversystemctl start grafana-server

1
2
4 U+ r; R# f4 r: f

grafana安装gnocchi 数据源插件

sudo grafana-cli plugins install gnocchixyz-gnocchi-datasource

12 s% I1 e/ f" C9 Y" B5 A

安装完成重启grafana

systemctl restart grafana-server

1
' X8 j" l" `/ {$ {: U) U

设置配置文件，允许grafana6.4.3读取gnocchi数据。

cp /etc/kolla/keystone/keystone.conf /etc/kolla/config/cp /etc/kolla/gnocchi-api/gnocchi.conf /etc/kolla/config/

1
22 |5 s+ J4 X4 }7 T. U/ b

配置gnocchi

vim /etc/kolla/config/gnocchi.conf

1
" p* C3 d# ^- A5 O* z: _

原来是默认设置了 3000端口，但是默认的grafana 添加gnocchi数据源时一直testing 无法成功。只好使用6.4.3版本grafana的3002 端口。

[cors]allowed_origin = http://192.168.199.90:3002

1
2
# D, j. V9 o) y+ Y" H) ~

配置 keystone

vim /etc/kolla/config/keystone.conf

1
4 F2 E% H$ P/ M

[cors]allowed_origin = http://192.168.199.90:3002

1
2# C: x9 j* m/ Z, t

设置完成 kolla重新加载配置

kolla-ansible reconfigure -i /etc/kolla/all-in-one

1
& l* X7 G ?+ L% G: F+ G3 q

设置gnocchi数据源。使用dashboard模板展示数据。

等待配置重新加载完成后。网页登录进入grafana6.4.3% ]( r- @" C& m% F/ U% k4 g
192.168.199.90:3002

由于这个grafana不是通过kolla 部署的，所以未设置密码。初次登录的话，账户密码都是admin。

添加数据源 Add data source 选择gnocchi2 W1 j! h) E$ c0 n& z( g! k

https://img-blog.csdnimg.cn/20210225143324795.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhbmRhbmZlbmd5dW4=,size_16,color_FFFFFF,t_70#pic_centerName GnocchiHTTP URL http://192.168.199.90:5000Gnocchi Details Auth Mode keystone Domain default Project User 和Password可以根据根据gnocchi配置文件中的认证填写也可以是Project和User选择填写admin, password填写Openstack中admin用户的登录密码

! V* R9 x4 Z0 {

[root@ALLInOne-Kolla ~]# cat /etc/kolla/gnocchi-api/gnocchi.conf 。。。。。。[keystone_authtoken]www_authenticate_uri = http://192.168.199.90:5000/v3project_domain_id = defaultproject_name = serviceuser_domain_id = defaultusername = gnocchipassword = 928futiqdqBWBzcmjN7lRTr6HesCEz259rtthtIZauth_url = http://192.168.199.90:35357auth_type = passwordmemcache_security_strategy = ENCRYPTmemcache_secret_key = TA1Zu3xlEbytDYCNyKhyWa1PWaGYOxRzB6oyDH50memcached_servers = 192.168.199.90:11211

. |. t \4 v6 Y1 S, l

认证没问题即可成功添加 gnocchi的数据源。2 ]* D- @/ G7 Z1 Y
https://img-blog.csdnimg.cn/20210225144053399.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhbmRhbmZlbmd5dW4=,size_16,color_FFFFFF,t_70#pic_center

选择导入相应的 dashboard 模板。

由于个人对 gnocchi的查询语法不熟悉，所以使用了grafana公开的gnocchi dashboard模板来展示

https://grafana.com/grafana/dashboards?dataSource=gnocchixyz-gnocchi-datasource

使用的是模板 12536
6 G) A: |& U" u+ }& x& N- s7 u9 Ehttps://img-blog.csdnimg.cn/20210225144609582.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhbmRhbmZlbmd5dW4=,size_16,color_FFFFFF,t_70#pic_center
/ j* @, i0 z& ~5 H4 g, m输入模板ID 后按enter 。等待一会后即可导入模板，会让选择数据源，选择刚添加的gnocchi数据源即可。
/ @! |3 z5 f* c/ |) K当然可以自己根据数据源设置dashboard，只是我gnocchi查询不熟。所以直接使用他人的模板了。

效果大致如下
' b& D% \+ d) U* f# `( _https://img-blog.csdnimg.cn/20210225144839675.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhbmRhbmZlbmd5dW4=,size_16,color_FFFFFF,t_70#pic_center
. a3 N. K- t0 A' B" l" }8 uhttps://img-blog.csdnimg.cn/20210225144853367.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RhbmRhbmZlbmd5dW4=,size_16,color_FFFFFF,t_70#pic_center

设置保存策略。

5分钟记录一次数据太慢尝试修改保存策略。( J! P# A& R$ X) P0 W7 Y# n5 Y# Y
通过gnocchi查看已知的保存策略

[root@ALLInOne-Kolla ~]# gnocchi archive-policy list+----------------------+-------------+-----------------------------------------------------------------------+---------------------------------+| name | back_window | definition | aggregation_methods |+----------------------+-------------+-----------------------------------------------------------------------+---------------------------------+| bool | 3600 | - points: 31536000, granularity: 0:00:01, timespan: 365 days, 0:00:00 | last || ceilometer-high | 0 | - points: 3600, granularity: 0:00:01, timespan: 1:00:00 | mean || | | - points: 1440, granularity: 0:01:00, timespan: 1 day, 0:00:00 | || | | - points: 8760, granularity: 1:00:00, timespan: 365 days, 0:00:00 | || ceilometer-high-rate | 0 | - points: 3600, granularity: 0:00:01, timespan: 1:00:00 | rate:mean, mean || | | - points: 1440, granularity: 0:01:00, timespan: 1 day, 0:00:00 | || | | - points: 8760, granularity: 1:00:00, timespan: 365 days, 0:00:00 | || ceilometer-low | 0 | - points: 8640, granularity: 0:05:00, timespan: 30 days, 0:00:00 | mean || ceilometer-low-rate | 0 | - points: 8640, granularity: 0:05:00, timespan: 30 days, 0:00:00 | rate:mean, mean || high | 0 | - points: 3600, granularity: 0:00:01, timespan: 1:00:00 | std, count, min, max, sum, mean || | | - points: 10080, granularity: 0:01:00, timespan: 7 days, 0:00:00 | || | | - points: 8760, granularity: 1:00:00, timespan: 365 days, 0:00:00 | || low | 0 | - points: 8640, granularity: 0:05:00, timespan: 30 days, 0:00:00 | std, count, min, max, sum, mean || medium | 0 | - points: 10080, granularity: 0:01:00, timespan: 7 days, 0:00:00 | std, count, min, max, sum, mean || | | - points: 8760, granularity: 1:00:00, timespan: 365 days, 0:00:00 | |+----------------------+-------------+-----------------------------------------------------------------------+---------------------------------+

$ \' v+ ]$ \8 s% n D: }9 _1 B

查看当前各个metric的保存策略

[root@ALLInOne-Kolla ~]# gnocchi metric list+--------------------------------------+---------------------+--------------------------------------------+---------+--------------------------------------+| id | archive_policy/name | name | unit | resource_id |+--------------------------------------+---------------------+--------------------------------------------+---------+--------------------------------------+| 10cadca4-56b2-4175-9892-4e8b94cc78ad | ceilometer-low-rate | cpu | ns | f99e98bd-afd4-43ac-9d74-dc77dc498a7a || 2524130a-cdad-4ccf-9ad6-e3db9aa12ada | ceilometer-low | volume.provider.pool.capacity.virtual_free | GB | 0b354884-f2f9-5427-b4ec-362e0aaa0940 || 3027d217-e5dd-491c-8e27-29f692bad0cd | ceilometer-low | disk.root.size | GB | f99e98bd-afd4-43ac-9d74-dc77dc498a7a || 38fe2c09-389f-4ffe-98d4-edd4770ebc4f | ceilometer-low | memory.usage | MB | f99e98bd-afd4-43ac-9d74-dc77dc498a7a || 43cbf7b9-ca4d-44c2-acaf-2be058327981 | ceilometer-low | volume.provider.capacity.provisioned | GB | 3973b2b8-8e6c-5b5f-982e-d56b399ce688 || 43ed1a45-ccc0-4201-a22e-c21707009989 | ceilometer-low-rate | network.incoming.bytes | B | 2d492809-8e0a-533a-a141-487714121eca || 4526c626-f610-415e-8f94-23b23c63c541 | ceilometer-low | volume.provider.capacity.virtual_free | GB | 3973b2b8-8e6c-5b5f-982e-d56b399ce688 || 58f02ba7-cd3e-44cd-8117-49ac58c3738f | ceilometer-low | volume.provider.pool.capacity.allocated | GB | 0b354884-f2f9-5427-b4ec-362e0aaa0940 || 646c800a-c725-4902-a47b-783d3820ae22 | ceilometer-low | memory | MB | f99e98bd-afd4-43ac-9d74-dc77dc498a7a || 65030467-6b2f-45b6-a51c-26b512ecd90a | ceilometer-low | volume.provider.pool.capacity.total | GB | 0b354884-f2f9-5427-b4ec-362e0aaa0940 || 7373abe7-250f-4552-9cd3-dcbf5e1dbf13 | ceilometer-low | volume.provider.capacity.total | GB | 3973b2b8-8e6c-5b5f-982e-d56b399ce688 || 7705fc61-906b-4490-aae0-7219b41f535f | ceilometer-low | volume.provider.pool.capacity.free | GB | 0b354884-f2f9-5427-b4ec-362e0aaa0940 || 864995bd-f0b5-427d-888c-92af9e95b886 | ceilometer-low | volume.provider.capacity.allocated | GB | 3973b2b8-8e6c-5b5f-982e-d56b399ce688 || 8a7d44e5-9f02-4101-bb1e-32dc33ab6b86 | ceilometer-low | disk.ephemeral.size | GB | f99e98bd-afd4-43ac-9d74-dc77dc498a7a || 8dc58d4a-958e-4686-b90b-7f9099385226 | ceilometer-low-rate | disk.device.write.requests | request | 7b7454da-6681-5a3b-9b17-817d6e6a0af5 || 9efccb23-e90c-4baf-873f-898679c3b169 | ceilometer-low-rate | network.outgoing.bytes | B | 2d492809-8e0a-533a-a141-487714121eca || b11ee54e-ead1-4c7d-b1b7-8cf654b091ba | ceilometer-low-rate | network.outgoing.packets | packet | 2d492809-8e0a-533a-a141-487714121eca || b8799978-fed4-42ff-9ecc-1ecd1b304c4b | ceilometer-low-rate | network.incoming.packets | packet | 2d492809-8e0a-533a-a141-487714121eca || c1f0d462-91de-4758-b0f9-f0a2d01442a1 | ceilometer-low | volume.provider.pool.capacity.provisioned | GB | 0b354884-f2f9-5427-b4ec-362e0aaa0940 || c2e8d5e6-5c3c-4dfd-bcc0-4d20203fbe52 | ceilometer-low-rate | disk.device.read.requests | request | 7b7454da-6681-5a3b-9b17-817d6e6a0af5 || dcbcd2c7-bd06-4610-946d-02a9f490671f | ceilometer-low | volume.provider.capacity.free | GB | 3973b2b8-8e6c-5b5f-982e-d56b399ce688 || e0a4affd-57aa-4c9b-8065-6fa0c40310b6 | ceilometer-low | vcpus | vcpu | f99e98bd-afd4-43ac-9d74-dc77dc498a7a || e2af0940-f633-427b-9a67-23386b9970da | ceilometer-low-rate | disk.device.read.bytes | B | 7b7454da-6681-5a3b-9b17-817d6e6a0af5 || f28055ff-ee55-4b22-904b-e23d16c39a22 | ceilometer-low-rate | disk.device.write.bytes | B | 7b7454da-6681-5a3b-9b17-817d6e6a0af5 |+--------------------------------------+---------------------+--------------------------------------------+---------+--------------------------------------+

2 S2 H) Y( e0 U6 n" S7 y

基本保存策略都是ceilometer，特别的如网络磁盘等数据累加的使用ceilometer-low-rate策略。

修改保存策略

通过docker exec 命令进入ceilometer 相应的容器，查看保存策略的设置。。。
! U! Z6 u, C7 Q# @ }ceilometer相关容器

[root@ALLInOne-Kolla ~]# docker ps -a | grep ceilometere7edc514bbc8 kolla/centos-binary-ceilometer-ipmi:train "dumb-init --single-…" 3 weeks ago Up 3 hours ceilometer_ipmi7f198cc0757e kolla/centos-binary-ceilometer-compute:train "dumb-init --single-…" 3 weeks ago Up 31 minutes ceilometer_computeddf54797e3ee kolla/centos-binary-ceilometer-central:train "dumb-init --single-…" 3 weeks ago Up 32 minutes ceilometer_centrald8d3bdb576f3 kolla/centos-binary-ceilometer-notification:train "dumb-init --single-…" 3 weeks ago Up 32 minutes ceilometer_notification

1
2
3
4
5/ D+ P; A* }* E, s+ X% q

进入ceilometer_notification 查看保存策略

[root@ALLInOne-Kolla ~]# docker exec -it ceilometer_notification bash(ceilometer-notification)[ceilometer@ALLInOne-Kolla /]$

1
2) h' d. B3 ]! U1 `- N8 N( f

查看保存策略

cat /etc/ceilometer/gnocchi_resources.yaml

1
, [1 ]9 H! J1 s

---archive_policy_default: ceilometer-lowarchive_policies: # NOTE(sileht): We keep "mean" for now to not break all gating that # use the current tempest scenario. - name: ceilometer-low aggregation_methods: - mean back_window: 0 definition: - granularity: 5 minutes timespan: 30 days - name: ceilometer-low-rate aggregation_methods: - mean - rate:mean back_window: 0 definition: - granularity: 5 minutes timespan: 30 days - name: ceilometer-high aggregation_methods: - mean back_window: 0 definition: - granularity: 1 second timespan: 1 hour - granularity: 1 minute timespan: 1 day - granularity: 1 hour timespan: 365 days - name: ceilometer-high-rate aggregation_methods: - mean - rate:mean back_window: 0 definition: - granularity: 1 second timespan: 1 hour - granularity: 1 minute timespan: 1 day - granularity: 1 hour timespan: 365 daysresources: - resource_type: identity metrics: identity.authenticate.success: identity.authenticate.pending: identity.authenticate.failure: identity.user.created: identity.user.deleted: identity.user.updated: identity.group.created: identity.group.deleted: identity.group.updated: identity.role.created: identity.role.deleted: identity.role.updated: identity.project.created: identity.project.deleted: identity.project.updated: identity.trust.created: identity.trust.deleted: identity.role_assignment.created: identity.role_assignment.deleted: ......

: \7 I2 {. ~/ {+ u- s

可以看到默认的保存策略为ceilometer-low，特别的metric 有单独的保存策略设置。
3 q7 h6 ~7 A8 |; ]可以将该配置文件复制到宿主机的config 配置目录中。修改一定的保存策略设置，然后kolla重新加载配置，即可设置ceilometer新的保存策略。
8 s4 I5 Z3 V V2 H0 ^gnocchi_resources.yaml 配置文件。 [, Q2 @$ r+ S/ ]5 N7 o, w+ w
https://download.csdn.net/download/dandanfengyun/15501637

mkdir -p /etc/kolla/config/ceilometercd /etc/kolla/config/ceilometer

1
20 t+ M* w# i* E: G; M1 J- F+ g$ M

将gnocchi_resources.yaml配置文件复制进去并设置。

vim /etc/kolla/config/ceilometer/gnocchi_resources.yaml

1
8 |( ? ?3 T$ l+ b1 H

只修改网络相关保存策略为ceilometer-high-rate，其余配置不变。

archive_policy_default: ceilometer-lowarchive_policies:......resources: ...... - resource_type: instance_network_interface metrics: network.outgoing.packets: archive_policy_name: ceilometer-high-rate network.incoming.packets: archive_policy_name: ceilometer-high-rate network.outgoing.packets.drop: archive_policy_name: ceilometer-high-rate network.incoming.packets.drop: archive_policy_name: ceilometer-high-rate network.outgoing.packets.error: archive_policy_name: ceilometer-high-rate network.incoming.packets.error: archive_policy_name: ceilometer-high-rate network.outgoing.bytes: archive_policy_name: ceilometer-high-rate network.incoming.bytes: archive_policy_name: ceilometer-high-rate attributes: name: resource_metadata.vnic_name instance_id: resource_metadata.instance_id

5 ~6 O& w; B+ Z' u) E! S

kolla重启加载配置策略

kolla-ansible reconfigure /etc/kolla/all-in-one

1
- g2 ^- r2 h& t/ Y( j: t& V

配置完成后，已经存在得metric保存策略不变，新建的虚拟实例的相关 metric 保存策略使用新的。
: [/ [: [, l! ]) v, B2 R# G* V如

[root@ALLInOne-Kolla ~]# gnocchi metric list+--------------------------------------+----------------------+--------------------------------------------+---------+--------------------------------------+| id | archive_policy/name | name | unit | resource_id |+--------------------------------------+----------------------+--------------------------------------------+---------+--------------------------------------+| 044ef065-fc1b-4908-a309-9e9cef87ccc1 | ceilometer-low-rate | disk.device.read.bytes | B | 384cab92-3a03-5abb-943e-5c405335c923 || 0b7348ee-ecf1-4fdd-878f-1c6ecc46d04c | ceilometer-low | disk.root.size | GB | cc56761d-4afd-425a-a108-4b279271d6d2 || 10cadca4-56b2-4175-9892-4e8b94cc78ad | ceilometer-low-rate | cpu | ns | f99e98bd-afd4-43ac-9d74-dc77dc498a7a || 1d288b8d-ae3b-417d-9314-4375af250299 | ceilometer-low | volume.size | GB | a1283de6-ba99-48c5-9e43-9bf1f1b4d274 || 2524130a-cdad-4ccf-9ad6-e3db9aa12ada | ceilometer-low | volume.provider.pool.capacity.virtual_free | GB | 0b354884-f2f9-5427-b4ec-362e0aaa0940 || 3027d217-e5dd-491c-8e27-29f692bad0cd | ceilometer-low | disk.root.size | GB | f99e98bd-afd4-43ac-9d74-dc77dc498a7a || 346bd2ec-3d28-4b24-9397-50a7a2329e83 | ceilometer-low | memory.usage | MB | cc56761d-4afd-425a-a108-4b279271d6d2 || 38fe2c09-389f-4ffe-98d4-edd4770ebc4f | ceilometer-low | memory.usage | MB | f99e98bd-afd4-43ac-9d74-dc77dc498a7a || 43cbf7b9-ca4d-44c2-acaf-2be058327981 | ceilometer-low | volume.provider.capacity.provisioned | GB | 3973b2b8-8e6c-5b5f-982e-d56b399ce688 || 43ed1a45-ccc0-4201-a22e-c21707009989 | ceilometer-low-rate | network.incoming.bytes | B | 2d492809-8e0a-533a-a141-487714121eca || 4526c626-f610-415e-8f94-23b23c63c541 | ceilometer-low | volume.provider.capacity.virtual_free | GB | 3973b2b8-8e6c-5b5f-982e-d56b399ce688 || 49357c46-602f-4d20-a2a2-04ef7683c275 | ceilometer-low | disk.ephemeral.size | GB | cc56761d-4afd-425a-a108-4b279271d6d2 || 5291ce4e-62a8-4b9d-b2b7-2328ae27c45f | ceilometer-low-rate | disk.device.read.requests | request | 384cab92-3a03-5abb-943e-5c405335c923 || 5370f16e-3c97-49a4-95a4-87197838884d | ceilometer-high-rate | network.incoming.packets | packet | 122f64c7-318a-511e-857c-412f69a0fae5 || 58f02ba7-cd3e-44cd-8117-49ac58c3738f | ceilometer-low | volume.provider.pool.capacity.allocated | GB | 0b354884-f2f9-5427-b4ec-362e0aaa0940 || 5f620b1b-3233-44bc-a4e2-3c59aafe2a75 | ceilometer-low-rate | disk.device.write.requests | request | 384cab92-3a03-5abb-943e-5c405335c923 || 646c800a-c725-4902-a47b-783d3820ae22 | ceilometer-low | memory | MB | f99e98bd-afd4-43ac-9d74-dc77dc498a7a || 65030467-6b2f-45b6-a51c-26b512ecd90a | ceilometer-low | volume.provider.pool.capacity.total | GB | 0b354884-f2f9-5427-b4ec-362e0aaa0940 || 7373abe7-250f-4552-9cd3-dcbf5e1dbf13 | ceilometer-low | volume.provider.capacity.total | GB | 3973b2b8-8e6c-5b5f-982e-d56b399ce688 || 738b387d-e34e-449b-8263-2dfca1ec994b | ceilometer-high-rate | network.incoming.bytes | B | 122f64c7-318a-511e-857c-412f69a0fae5 || 7705fc61-906b-4490-aae0-7219b41f535f | ceilometer-low | volume.provider.pool.capacity.free | GB | 0b354884-f2f9-5427-b4ec-362e0aaa0940 || 864995bd-f0b5-427d-888c-92af9e95b886 | ceilometer-low | volume.provider.capacity.allocated | GB | 3973b2b8-8e6c-5b5f-982e-d56b399ce688 || 875be171-48f6-4ebe-8767-afb92efa1ba3 | ceilometer-low | vcpus | vcpu | cc56761d-4afd-425a-a108-4b279271d6d2 || 8a7d44e5-9f02-4101-bb1e-32dc33ab6b86 | ceilometer-low | disk.ephemeral.size | GB | f99e98bd-afd4-43ac-9d74-dc77dc498a7a || 8dc58d4a-958e-4686-b90b-7f9099385226 | ceilometer-low-rate | disk.device.write.requests | request | 7b7454da-6681-5a3b-9b17-817d6e6a0af5 || 9efccb23-e90c-4baf-873f-898679c3b169 | ceilometer-low-rate | network.outgoing.bytes | B | 2d492809-8e0a-533a-a141-487714121eca || b11ee54e-ead1-4c7d-b1b7-8cf654b091ba | ceilometer-low-rate | network.outgoing.packets | packet | 2d492809-8e0a-533a-a141-487714121eca || b8799978-fed4-42ff-9ecc-1ecd1b304c4b | ceilometer-low-rate | network.incoming.packets | packet | 2d492809-8e0a-533a-a141-487714121eca || c1f0d462-91de-4758-b0f9-f0a2d01442a1 | ceilometer-low | volume.provider.pool.capacity.provisioned | GB | 0b354884-f2f9-5427-b4ec-362e0aaa0940 || c2e8d5e6-5c3c-4dfd-bcc0-4d20203fbe52 | ceilometer-low-rate | disk.device.read.requests | request | 7b7454da-6681-5a3b-9b17-817d6e6a0af5 || c5ebcf1a-a1fc-4920-ad47-12d02e8c4046 | ceilometer-low-rate | cpu | ns | cc56761d-4afd-425a-a108-4b279271d6d2 || d0d482b5-982e-4894-bbf3-addee51e898f | ceilometer-low-rate | disk.device.write.bytes | B | 384cab92-3a03-5abb-943e-5c405335c923 || d47f2b13-1800-4669-ad86-b9ef4c4ee862 | ceilometer-high-rate | network.outgoing.bytes | B | 122f64c7-318a-511e-857c-412f69a0fae5 || d8434709-82bd-42ae-98a6-31accb6710c9 | ceilometer-high-rate | network.outgoing.packets | packet | 122f64c7-318a-511e-857c-412f69a0fae5 || dcbcd2c7-bd06-4610-946d-02a9f490671f | ceilometer-low | volume.provider.capacity.free | GB | 3973b2b8-8e6c-5b5f-982e-d56b399ce688 || ddf190a2-4b99-42c0-9f20-e219c768fe00 | ceilometer-low | compute.instance.booting.time | sec | cc56761d-4afd-425a-a108-4b279271d6d2 || e0a4affd-57aa-4c9b-8065-6fa0c40310b6 | ceilometer-low | vcpus | vcpu | f99e98bd-afd4-43ac-9d74-dc77dc498a7a || e2af0940-f633-427b-9a67-23386b9970da | ceilometer-low-rate | disk.device.read.bytes | B | 7b7454da-6681-5a3b-9b17-817d6e6a0af5 || f25d3e5d-8c08-4082-acd1-1b0a0a481902 | ceilometer-low | memory | MB | cc56761d-4afd-425a-a108-4b279271d6d2 || f28055ff-ee55-4b22-904b-e23d16c39a22 | ceilometer-low-rate | disk.device.write.bytes | B | 7b7454da-6681-5a3b-9b17-817d6e6a0af5 |+--------------------------------------+----------------------+--------------------------------------------+---------+--------------------------------------+

1 K. W, ? V c8 v3 M( _

可以看到有保存策略是 ceilometer-high-rate的metric

| 5370f16e-3c97-49a4-95a4-87197838884d | ceilometer-high-rate | network.incoming.packets | packet | 122f64c7-318a-511e-857c-412f69a0fae5 || 738b387d-e34e-449b-8263-2dfca1ec994b | ceilometer-high-rate | network.incoming.bytes | B | 122f64c7-318a-511e-857c-412f69a0fae5 || d47f2b13-1800-4669-ad86-b9ef4c4ee862 | ceilometer-high-rate | network.outgoing.bytes | B | 122f64c7-318a-511e-857c-412f69a0fae5 || d8434709-82bd-42ae-98a6-31accb6710c9 | ceilometer-high-rate | network.outgoing.packets | packet | 122f64c7-318a-511e-857c-412f69a0fae5 |

1
2
3
4' R6 Z; s) i1 K% ~8 z3 C. e

尽管修改了保存策略，新创建实例的metric的保存策略也使用的新的策略。但是数据保存还是有问题，还是五分钟保存一次，只是有三个不同的 granularity。。。这好像没什么用。

[root@ALLInOne-Kolla ~]# gnocchi metric list | grep 122f64c7-318a-511e-857c-412f69a0fae5| 5370f16e-3c97-49a4-95a4-87197838884d | ceilometer-high-rate | network.incoming.packets | packet | 122f64c7-318a-511e-857c-412f69a0fae5 || 738b387d-e34e-449b-8263-2dfca1ec994b | ceilometer-high-rate | network.incoming.bytes | B | 122f64c7-318a-511e-857c-412f69a0fae5 || d47f2b13-1800-4669-ad86-b9ef4c4ee862 | ceilometer-high-rate | network.outgoing.bytes | B | 122f64c7-318a-511e-857c-412f69a0fae5 || d8434709-82bd-42ae-98a6-31accb6710c9 | ceilometer-high-rate | network.outgoing.packets | packet | 122f64c7-318a-511e-857c-412f69a0fae5 |[root@ALLInOne-Kolla ~]# gnocchi measures show 738b387d-e34e-449b-8263-2dfca1ec994b+---------------------------+-------------+---------------+| timestamp | granularity | value |+---------------------------+-------------+---------------+| 2021-03-01T16:00:00+08:00 | 3600.0 | 41144.6666667 || 2021-03-01T16:03:00+08:00 | 60.0 | 11726.0 || 2021-03-01T16:08:00+08:00 | 60.0 | 41112.0 || 2021-03-01T16:13:00+08:00 | 60.0 | 70596.0 || 2021-03-01T16:03:33+08:00 | 1.0 | 11726.0 || 2021-03-01T16:08:32+08:00 | 1.0 | 41112.0 || 2021-03-01T16:13:32+08:00 | 1.0 | 70596.0 |+---------------------------+-------------+---------------+

( M! W& Y* r" T* x2 f

问题

gnocchi相应的dashboard模板不太好用。且数据保存总是 5min保存一次。

似乎还是使用collectd收集数据到influxdb更合适。

		自动登录	找回密码
密码			注册

kolla安装collectd+influxdb+grafana监控虚拟机状态

浏览过的版块