《Cacti实战》——3.3 数据可视化流程

3.3 数据可视化流程

数据可视化是最终呈现监控结果的重要一环,Cacti的最终任务就是将数据进行可视化展现。当系统完成数据的检索与存储之后,Cacti通常会使用RRDTool内置的绘图工具来绘制图表。
进入Cacti的“图形管理”界面,可以使用调试模式查看绘制图形的执行命令,如图3-5所示。

这段语句的主要作用见配置脚本3-1中的注释。
配置脚本3-1 SNMP查询的XML脚本头信息

c:/rrdtool/rrdtool.exe graph - \ #使用rrdtool命令绘图
--imgformat=PNG \ #图形格式为PNG
--start=-86400 \ #定义数据采集,同时也是绘图的开始时间
--end=-300 \ #定义数据采集,同时也是绘图的结束时间
--title="PM - CPU Utilization" \ #定义图形的名称
--rigid \ #如果没有指定rigid,则在图表的上下边界还是会有一些延伸,但如果指定rigid ,则严
        格按照upper-limit和lower-limit 绘制
--base=1000 \ #定义绘制图形时,数据的基础单位值
--height=120 \ #定义图形的高度
--width=500 \ #定义图形的宽度
--alt-autoscale-max \ #是否对最大值进行自动扩展
--lower-limit="0" \ #绘制图形时显示数据的最小值
--vertical-label="percent" \ #纵轴显示标题
--slope-mode \ #对于阶梯状数据自动进行平滑处理
--font TITLE:10: \ #定义标题的字体
--font AXIS:7: \ #定义图轴的字体
--font LEGEND:8: \ #定义图例的字体
--font UNIT:7: \ #定义Y轴单位字体
DEF:a="C\:/AppServ/www/cacti/rra/pm_cpu_11.rrd":"cpu":AVERAGE \ #定义数据来源的文件
AREA:a#FF0000FF:"CPU Utilization"  \ #定义绘图的方框颜色
GPRINT:a:LAST:"Current\:%8.0lf"  \ #绘制当前数据
GPRINT:a:AVERAGE:"Average\:%8.0lf"  \ #绘制平均值数据
GPRINT:a:MAX:"Maximum\:%8.0lf\n" #绘制最大值数据

从上述一段RRDTool绘制图形语句的解释不难看出,Cacti绘制图形的过程为:首先按照用户设置好的图形格式(字体、高度、宽度、X轴度量单位、Y轴度量单位等)画图,同时找到数据的来源文件(rra文件),按照用户的要求(绘制当前数据、绘制平均值数据等)来展现图形。
结合前面的内容,不难看出Cacti的工作流程大致如下:
Cacti首先通过自身的Poller程序查询和获取监控设备的各项监控指标数据,有的数据通过标准的SNMP,有的通过标准的OID号码,有的通过用户编写的脚本程序来收集,当数据收集回到Cacti系统时,Cacti一方面将元数据存储在MySQL数据库中,另一方面对于监控指标的采集数据方式,会根据RRDTool存储的默认方式进行保存,这样一来,就可以在安装路径中的rra文件夹中找到相应的数据文件。当数据保存之后,RRDTool可以根据用户的需要执行Graph画图命令,加入相应的绘图参数,即可按照用户的要求将图形呈现
出来。

时间: 2024-11-03 00:25:12

《Cacti实战》——3.3 数据可视化流程的相关文章

《Cacti实战》——导读

前言 如何对用户的数据中心.业务系统进行妥善的日常运维和管理?这一课题是我们在日常工作当中研究的重要方向.在研究过程中,我们接触了很多商业产品和开源项目,但是在研究过程中发现,很难找到一个行之有效的方案和手段,直到接触了Cacti这个项目.它既不像企业级产品架构那样复杂庞大.交互体验不好,也不像一些开源项目那样--虽然设计简单,但是不具备高级功能,制约用户的需求扩展. Cacti的外观和架构设计很简单,而且是松散耦合,深究其内涵,我们发现它对于高级功能的扩展支持也很到位,特别适合中小型企业.院校

《Cacti实战》——3.4 本章小结

3.4 本章小结 通过本章的介绍,我们了解了Cacti系统的工作流程.Cacti的工作流程分为数据检索.数据存储.数据可视化三个环节.数据检索负责将数据按照指定的时间.频度.执行方式来查询和获取监控设备的指标数据.数据存储负责保存Poller程序收集回来的数据,元数据保存在MySQL数据库中,监控的数据保存在rra文件中,方便RRDTool工具后续绘图使用.数据可视化的主要任务是将监控数据和指标以一定的格式绘制出来,它借助RRDTool工具中的Graph画图命令来完成该工作.当然在实际使用过程中

《Cacti实战》——第3章 Cacti的基础流程

第3章 Cacti的基础流程 第1章介绍了Cacti系统的数据流向,这里先简单回顾一下. Cacti在监控主机设备时,首先按照系统内设置好的数据检索方式(主要是数据输入方式和数据查询两种类型),查询与获取对设备主机进行监控的指标数据:其次,Cacti将数据按照要求分类,监控数据保存在rra文件中,元数据保存在数据库中:最后,Cacti系统按照预先设置的图形模板绘制图表,将数据以可视化的方式展现给用户.因此,数据的流向可以分为如图3-1所示的3个部分,即数据的检索流程.数据的存储流程和数据展现的可

《Python数据可视化编程实战》—— 导读

前言 Python数据可视化编程实战最好的数据是我们能看到并理解的数据.作为一个开发人员,我们想创造并构建出最全面且容易理解的可视化图形.然而这并非总是很简单,我们需要找出数据,读取它.清理它.揣摩它,然后使用恰当的工具将其可视化.本书通过简单(和不那么简单)直接的方法解释了如何读取.清理和可视化数据的流程. 本书对怎样读取本地数据.远程数据.CSV.JSON以及关系型数据库中的数据,都进行了讲解. 通过matplotlib,我们能用一行简单的Python代码绘制出一些简单的图表,但是进行更高级

《Python数据可视化编程实战》—— 1.2 安装matplotlib、Numpy和Scipy库

1.2 安装matplotlib.Numpy和Scipy库 Python数据可视化编程实战 本章介绍了matplotlib及其依赖的软件在Linux平台上的几种安装方法. 1.2.1 准备工作 这里假设你已经安装了Linux系统且安装好了Python(推荐使用Debian/Ubuntu或RedHat/SciLinux).在前面提到的Linux系统发行版中,Python通常是默认安装的.如果没有,使用标准的软件安装方式安装Python也是非常简便的.本书假设你安装的Python版本为2.7或以上.

《D3.js数据可视化实战手册》—— 1.2 搭建一个简易的D3开发环境

1.2 搭建一个简易的D3开发环境 D3.js数据可视化实战手册 在开始使用D3之前,我们要做的第一件事是搭建一个开发环境.这节里,我们将告诉你如何在几分钟内搭建一个简单的D3开发环境. 1.2.1 准备阶段 在我们开始前,请确保你已经安装好一个文本编辑器. 1.2.2 搭建环境 我们先要下载D3.js. 1.我们可以在http://d3js.org/下载最新版本的D3.js,也可以在https://github. com/mbostock/d3/tags下载之前的版本.另外,如果你对开发中的最

《D3.js数据可视化实战手册》——导读

前言 D3.js数据可视化实战手册 D3.js是一个JavaScript库,它主要用于对数据的动态图表展示.通过HTML.SVG以及CSS,D3可以让数据展现得更加鲜活.D3使得数字的图形化展示变得异常简单,可以说,它是当下最强大的基于网络的数据可视化技术. 本书理论与实践结合,力图向读者全方位地展示D3数字可视化技术,帮助读者快速利用D3创建可视化程序.学习完本书后,快速高效地创建叹为观止的数据可视化程序,对读者来说将是小菜一碟! 本书由浅入深,首先介绍了一些D3数字可视化编程中的基本概念,继

《Cacti实战》——3.2 存储流程

3.2 存储流程 当数据通过SNMP或者脚本查询的方式被Cacti系统获取之后,这些数据会分门别类地存储,Cacti的工作流程就进入数据存储这一步骤.在Cacti系统中,数据一般会分为两种,一种是监控指标的数据,它们以普通文件的方式(rra文件)存储在文件系统中,另一种是系统必备的元数据,它们以结构化数据的方式存储在数据库中.下面分别介绍这两种数据是如何存储的.3.2.1 RRDTool存储方式 在前面章节已经介绍了RRDTool基本知识,RRDTool的存储方式,也很有必要学习.RRDTool

《Python数据可视化编程实战》——导读

前 言 最好的数据是我们能看到并理解的数据.作为一个开发人员,我们想创造并构建出最全面且容易理解的可视化图形.然而这并非总是很简单,我们需要找出数据,读取它.清理它.揣摩它,然后使用恰当的工具将其可视化.本书通过简单(和不那么简单)直接的方法解释了如何读取.清理和可视化数据的流程. 本书对怎样读取本地数据.远程数据.CSV.JSON以及关系型数据库中的数据,都进行了讲解. 通过matplotlib,我们能用一行简单的Python代码绘制出一些简单的图表,但是进行更高级的绘图还需要除Python之