VMware vSphere 和 Mimir 集成
这不是大规模实时查询的推荐配置。 为了查询和压缩优化、高速摄取和高可用性，您可能需要考虑 VMware vSphere 和 InfluxDB。
50 亿+
Telegraf 下载量
#1
时序数据库
来源：DB Engines
10 亿+
InfluxDB 下载量
2,800+
贡献者
目录
输入和输出集成概述
VMware vSphere Telegraf 插件提供了一种从 VMware vCenter 服务器收集指标的方法，从而可以对 vSphere 环境中的虚拟资源进行全面的监控和管理。
此插件使用 HTTP 将 Telegraf 指标直接发送到 Grafana 的 Mimir 数据库，为 Prometheus 兼容的指标提供可扩展且高效的长期存储和分析。
集成详情
VMware vSphere
此插件连接到 VMware vSphere 服务器以收集来自虚拟环境的各种指标，从而实现对虚拟资源的高效监控和管理。 它与 vSphere API 交互以收集有关集群、主机、资源池、VM、数据存储和 vSAN 实体的统计信息，并以适合分析和可视化的格式呈现它们。 该插件对于管理基于 VMware 的基础设施的管理员尤其有价值，因为它有助于实时跟踪系统性能、资源使用情况和操作问题。 通过聚合来自多个来源的数据，该插件使用户能够获得洞察力，从而有助于就资源分配、故障排除和确保最佳系统性能做出明智的决策。 此外，对 secret-store 集成的支持允许安全处理敏感凭据，从而促进安全和合规性评估方面的最佳实践。
Mimir
Grafana Mimir 支持 Prometheus Remote Write 协议，使 Telegraf 收集的指标能够高效地摄取到 Mimir 集群中，以进行大规模、长期的存储。 此集成利用 Prometheus 成熟的标准，允许用户将 Telegraf 广泛的数据收集功能与 Mimir 的高级功能相结合，例如查询联合、多租户、高可用性和经济高效的存储。 Grafana Mimir 的架构经过优化，可处理大量指标数据并提供快速的查询响应，使其成为复杂监控环境和分布式系统的理想选择。
配置
VMware vSphere
[[inputs.vsphere]]
vcenters = [ "https://vcenter.local/sdk" ]
username = "[email protected]"
password = "secret"
vm_metric_include = [
"cpu.demand.average",
"cpu.idle.summation",
"cpu.latency.average",
"cpu.readiness.average",
"cpu.ready.summation",
"cpu.run.summation",
"cpu.usagemhz.average",
"cpu.used.summation",
"cpu.wait.summation",
"mem.active.average",
"mem.granted.average",
"mem.latency.average",
"mem.swapin.average",
"mem.swapinRate.average",
"mem.swapout.average",
"mem.swapoutRate.average",
"mem.usage.average",
"mem.vmmemctl.average",
"net.bytesRx.average",
"net.bytesTx.average",
"net.droppedRx.summation",
"net.droppedTx.summation",
"net.usage.average",
"power.power.average",
"virtualDisk.numberReadAveraged.average",
"virtualDisk.numberWriteAveraged.average",
"virtualDisk.read.average",
"virtualDisk.readOIO.latest",
"virtualDisk.throughput.usage.average",
"virtualDisk.totalReadLatency.average",
"virtualDisk.totalWriteLatency.average",
"virtualDisk.write.average",
"virtualDisk.writeOIO.latest",
"sys.uptime.latest",
]
host_metric_include = [
"cpu.coreUtilization.average",
"cpu.costop.summation",
"cpu.demand.average",
"cpu.idle.summation",
"cpu.latency.average",
"cpu.readiness.average",
"cpu.ready.summation",
"cpu.swapwait.summation",
"cpu.usage.average",
"cpu.usagemhz.average",
"cpu.used.summation",
"cpu.utilization.average",
"cpu.wait.summation",
"disk.deviceReadLatency.average",
"disk.deviceWriteLatency.average",
"disk.kernelReadLatency.average",
"disk.kernelWriteLatency.average",
"disk.numberReadAveraged.average",
"disk.numberWriteAveraged.average",
"disk.read.average",
"disk.totalReadLatency.average",
"disk.totalWriteLatency.average",
"disk.write.average",
"mem.active.average",
"mem.latency.average",
"mem.state.latest",
"mem.swapin.average",
"mem.swapinRate.average",
"mem.swapout.average",
"mem.swapoutRate.average",
"mem.totalCapacity.average",
"mem.usage.average",
"mem.vmmemctl.average",
"net.bytesRx.average",
"net.bytesTx.average",
"net.droppedRx.summation",
"net.droppedTx.summation",
"net.errorsRx.summation",
"net.errorsTx.summation",
"net.usage.average",
"power.power.average",
"storageAdapter.numberReadAveraged.average",
"storageAdapter.numberWriteAveraged.average",
"storageAdapter.read.average",
"storageAdapter.write.average",
"sys.uptime.latest",
]
datacenter_metric_include = [] ## if omitted or empty, all metrics are collected
datacenter_metric_exclude = [ "*" ] ## Datacenters are not collected by default.
vsan_metric_include = [] ## if omitted or empty, all metrics are collected
vsan_metric_exclude = [ "*" ] ## vSAN are not collected by default.
separator = "_"
max_query_objects = 256
max_query_metrics = 256
collect_concurrency = 1
discover_concurrency = 1
object_discovery_interval = "300s"
timeout = "60s"
use_int_samples = true
custom_attribute_include = []
custom_attribute_exclude = ["*"]
metric_lookback = 3
ssl_ca = "/path/to/cafile"
ssl_cert = "/path/to/certfile"
ssl_key = "/path/to/keyfile"
insecure_skip_verify = false
historical_interval = "5m"
disconnected_servers_behavior = "error"
use_system_proxy = true
http_proxy_url = ""
Mimir
[[outputs.http]]
url = "http://data-load-balancer-backend-1:9009/api/v1/push"
data_format = "prometheusremotewrite"
username = "*****"
password = "******"
[outputs.http.headers]
Content-Type = "application/x-protobuf"
Content-Encoding = "snappy"
X-Scope-OrgID = "****"输入和输出集成示例
VMware vSphere
-
动态资源分配：利用此插件来监控虚拟机群的资源使用情况，并根据性能指标自动调整资源分配。 这种情况可能涉及根据从 vSphere API 收集的 CPU 和内存使用率指标实时触发扩展操作，从而确保最佳性能和成本效益。
-
容量规划和预测：利用从 vSphere 收集的历史指标进行容量规划。 分析 CPU、内存和存储使用率随时间变化的趋势有助于管理员预测何时需要额外资源，从而避免中断并确保虚拟基础设施能够应对增长。
-
自动化警报和事件响应：将此插件与警报工具集成，以根据收集的指标设置自动通知。 例如，如果主机上的 CPU 使用率超过指定阈值，则可能会触发警报并自动启动预定义的补救步骤，例如将 VM 迁移到利用率较低的主机。
-
跨集群的性能基准测试：使用收集的指标来比较不同 vCenter 中集群的性能。 此基准测试提供了关于哪些集群配置产生最佳资源效率的见解，并可以指导未来的基础设施增强。
Mimir
-
企业级 Kubernetes 监控：将 Telegraf 与 Grafana Mimir 集成，以企业级规模从 Kubernetes 集群流式传输指标。 这实现了跨数百个集群的全面可见性、改进的资源分配和主动故障排除，利用了 Mimir 的水平可扩展性和高可用性。
-
多租户 SaaS 应用程序可观察性：使用此插件将来自不同 SaaS 租户的指标集中到 Grafana Mimir 中，从而实现租户隔离和基于资源使用情况的准确计费。 这种方法提供了可靠的可观察性、高效的成本管理和安全的多租户支持。
-
全球边缘网络性能跟踪：将来自全球分布式边缘服务器的延迟和可用性指标流式传输到 Grafana Mimir 中。 组织可以快速识别性能下降或中断，利用 Mimir 的快速查询功能来确保最佳的服务可靠性和用户体验。
-
高容量微服务实时分析：在高容量微服务架构中实施 Telegraf 指标收集，将数据馈送到 Grafana Mimir 以进行实时分析和异常检测。 Mimir 强大的查询功能使团队能够检测异常并快速响应，从而保持高服务可用性和性能。
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。
