目录
输入和输出集成概述
Amazon ECS 输入插件使 Telegraf 能够从 AWS ECS 容器收集指标,从而提供有关容器性能和资源利用率的详细见解。
Azure Data Explorer 插件允许将指标收集与 Azure Data Explorer 集成,使用户能够高效地分析和查询其遥测数据。借助此插件,用户可以配置摄取设置以满足其需求,并利用 Azure 强大的分析功能。
集成详情
Amazon ECS
Telegraf 的 Amazon ECS 插件旨在从 AWS Fargate 或 EC2 实例上运行的 ECS(弹性容器服务)任务收集指标。通过利用 ECS 元数据和统计 API 端点(v2 和 v3),它可以获取有关任务中容器性能和运行状况的实时信息。此插件与被检查的工作负载在同一任务中运行,确保无缝访问元数据和统计信息。值得注意的是,它包含特定于 ECS 的功能,这些功能使其与 Docker 输入插件区分开来,例如处理独特的 ECS 元数据格式和统计信息。用户可以包含或排除特定容器,并调整要监视的容器状态,以及定义 ECS 标签的标签选项。这种灵活性允许定制监控体验,以适应 ECS 环境的特定需求,从而增强对容器化应用程序的可观察性和控制。
Azure Data Explorer
Azure Data Explorer 插件允许用户将从各种 Telegraf 输入插件收集的指标、日志和时间序列数据写入 Azure Data Explorer、Azure Synapse 和 Fabric 中的实时分析。此集成充当桥梁,使应用程序和服务能够高效地监控其性能指标或日志。Azure Data Explorer 针对大量不同数据类型的分析进行了优化,使其成为云环境中实时分析和监控解决方案的绝佳选择。该插件使用户能够根据其需求配置指标摄取,动态定义表架构,并设置各种摄取方法,同时保留数据库操作所需的角色和权限的灵活性。这支持现代应用程序(使用云服务)的可扩展且安全的监控设置。
配置
Amazon ECS
[[inputs.ecs]]
# endpoint_url = ""
# container_name_include = []
# container_name_exclude = []
# container_status_include = []
# container_status_exclude = []
ecs_label_include = [ "com.amazonaws.ecs.*" ]
ecs_label_exclude = []
# timeout = "5s"
[[inputs.ecs]]
endpoint_url = "http://169.254.170.2"
# container_name_include = []
# container_name_exclude = []
# container_status_include = []
# container_status_exclude = []
ecs_label_include = [ "com.amazonaws.ecs.*" ]
ecs_label_exclude = []
# timeout = "5s"
Azure Data Explorer
[[outputs.azure_data_explorer]]
## The URI property of the Azure Data Explorer resource on Azure
## ex: endpoint_url = https://myadxresource.australiasoutheast.kusto.windows.net
endpoint_url = ""
## The Azure Data Explorer database that the metrics will be ingested into.
## The plugin will NOT generate this database automatically, it's expected that this database already exists before ingestion.
## ex: "exampledatabase"
database = ""
## Timeout for Azure Data Explorer operations
# timeout = "20s"
## Type of metrics grouping used when pushing to Azure Data Explorer.
## Default is "TablePerMetric" for one table per different metric.
## For more information, please check the plugin README.
# metrics_grouping_type = "TablePerMetric"
## Name of the single table to store all the metrics (Only needed if metrics_grouping_type is "SingleTable").
# table_name = ""
## Creates tables and relevant mapping if set to true(default).
## Skips table and mapping creation if set to false, this is useful for running Telegraf with the lowest possible permissions i.e. table ingestor role.
# create_tables = true
## Ingestion method to use.
## Available options are
## - managed -- streaming ingestion with fallback to batched ingestion or the "queued" method below
## - queued -- queue up metrics data and process sequentially
# ingestion_type = "queued"
输入和输出集成示例
Amazon ECS
-
动态容器监控:使用 Amazon ECS 插件在自动扩展的 ECS 架构中动态监控容器运行状况。当新容器启动或停止时,插件将自动调整其收集的指标,确保有效捕获每个容器的性能数据,而无需手动配置。
-
自定义资源分配警报:实施 ECS 插件以建立每个容器资源使用率的阈值。通过与通知系统集成,团队可以在容器的 CPU 或内存使用率超过预定义限制时收到警报,从而实现主动资源管理并保持应用程序性能。
-
成本优化仪表板:利用从 ECS 插件收集的指标创建一个仪表板,该仪表板可视化与每个容器关联的资源使用率和成本。这种洞察力使组织能够识别未充分利用的资源,优化与其容器基础设施相关的成本,从而提高云运营的财务效率。
-
高级容器安全监控:结合安全工具使用此插件来监控 ECS 容器指标以查找异常。通过持续分析使用模式,可以检测到任何突然的峰值或不规则行为,从而提示自动安全响应并维护系统完整性。
Azure Data Explorer
-
实时监控仪表板:通过使用此插件将来自各种服务的指标集成到 Azure Data Explorer 中,组织可以构建反映实时性能指标的综合仪表板。这使团队能够主动响应性能问题并立即优化系统运行状况。
-
集中式日志管理:利用 Azure Data Explorer 来整合来自多个应用程序和服务的日志。通过使用该插件,组织可以简化其日志分析流程,从而更轻松地搜索、过滤和从随时间累积的历史数据中获取见解。
-
数据驱动的警报系统:通过基于通过此插件发送的指标配置警报来增强监控功能。组织可以设置阈值并自动化事件响应,从而显着减少停机时间并提高关键操作的可靠性。
-
机器学习模型训练:通过利用发送到 Azure Data Explorer 的数据,组织可以执行大规模分析并准备数据以馈送到机器学习模型中。此插件能够构建数据结构,随后可用于预测分析,从而提高决策能力。
反馈
感谢您成为我们社区的一份子!如果您有任何一般性反馈或在这些页面上发现了任何错误,我们欢迎并鼓励您提出意见。请在 InfluxDB 社区 Slack 中提交您的反馈。