目录
强大的性能,无限的扩展能力
收集、组织和处理海量高速数据。 当您将任何数据视为时间序列数据时,它都会更有价值。 借助 InfluxDB,这个排名第一的时间序列平台,旨在与 Telegraf 一起扩展。
查看入门方法
输入和输出集成概述
此插件使用 XML-RPC API 收集有关 Supervisor 下运行进程的信息。
Azure 数据资源管理器插件允许将指标收集与 Azure 数据资源管理器集成,使用户能够高效地分析和查询其遥测数据。 通过此插件,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
Supervisor
Telegraf 的 Supervisor 插件旨在通过其 XML-RPC API 收集由 Supervisor 进程控制系统管理的进程的指标。 该插件能够跟踪各种指标,包括进程状态和正常运行时间,并提供通过包含或排除列表配置要收集的指标的选项。 此集成对于监控在 Supervisor 下运行的应用程序尤其有用,可深入了解其运行状态和性能指标。 最低测试 Supervisor 版本为 3.3.2,建议使用基本身份验证来保护 HTTP 服务器,以提高安全性。
Azure 数据资源管理器
Azure 数据资源管理器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 数据资源管理器、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有效地监控其性能指标或日志。 Azure 数据资源管理器针对对大量不同数据类型进行分析进行了优化,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。 这支持利用云服务的现代应用程序的可扩展且安全的监控设置。
配置
Supervisor
[[inputs.supervisor]]
## Url of supervisor's XML-RPC endpoint if basic auth enabled in supervisor http server,
## than you have to add credentials to url (ex. http://login:pass@localhost:9001/RPC2)
# url="http://localhost:9001/RPC2"
## With settings below you can manage gathering additional information about processes
## If both of them empty, then all additional information will be collected.
## Currently supported supported additional metrics are: pid, rc
# metrics_include = []
# metrics_exclude = ["pid", "rc"]
Azure 数据资源管理器
[[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
Supervisor
-
集中式监控仪表板: 实施此插件以将 Supervisor 指标直接馈送到集中式监控仪表板,使团队能够实时可视化其应用程序的运行状况和性能。 此集成能够快速识别问题,帮助跟踪服务性能随时间的变化,并根据观察到的趋势帮助进行容量规划。
-
进程故障警报: 利用 Supervisor 插件收集的指标来创建警报机制,当关键进程关闭或进入致命状态时,该机制会通知工程师。 通过在监控系统中设置阈值,团队可以主动响应潜在问题,最大限度地减少停机时间并确保系统可靠性。
-
进程状态的历史分析: 存储随时间收集的指标,以分析进程状态变化和模式。 通过检查历史数据,团队可以识别重复出现的问题,跟踪部署更改的影响,并根据进程趋势优化资源分配,从而提高整体系统性能。
-
与事件管理系统集成: 配置 Supervisor 插件,以便在进程达到临界状态时自动向 PagerDuty 或 OpsGenie 等事件管理系统发送警报。 此集成简化了事件响应流程,确保及时通知正确的团队成员,并可以立即采取行动。
Azure 数据资源管理器
-
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 数据资源管理器中,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,并立即优化系统健康状况。
-
集中式日志管理: 利用 Azure 数据资源管理器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: 通过根据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 数据资源管理器的数据,组织可以执行大规模分析并准备数据,以便馈送到机器学习模型中。 此插件支持构建可随后用于预测分析的数据结构,从而增强决策能力。
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。
强大的性能,无限的扩展能力
收集、组织和处理海量高速数据。 当您将任何数据视为时间序列数据时,它都会更有价值。 借助 InfluxDB,这个排名第一的时间序列平台,旨在与 Telegraf 一起扩展。
查看入门方法