프로브
IBA 프로브 개요
프로브는 인텐트 기반 분석의 기본 추상화 단위입니다. 일반적으로 주어진 프로브는 네트워크에서 일부 데이터 세트를 소비하고, 네트워크에서 다양한 연속적인 어그리게이션 및 계산을 수행하며, 선택적으로 이상 현상이 발생한 어그리게이션 및 계산의 일부 조건을 지정합니다.
프로브는 그래프의 노드가 프로세서와 단계인 DG(Direct Acyclic Graphs)입니다. 단계는 컨텍스트와 연관된 데이터이며 운영자가 검사할 수 있습니다. 프로세서는 입력 데이터에서 출력 데이터를 생산하고 줄이는 운영 세트입니다. 프로세서에 대한 입력은 1개 또는 다단계이며, 프로세서의 출력 또한 일개 또는 다단계입니다. 프로브 DAG에서 에지의 방향성은 이 입력-출력 플로우를 나타냅니다.
중요한 것은 프로브의 초기 프로세서는 특별하며 입력 단계가 없다는 것입니다. 개념적으로 데이터의 생성기입니다. 이를 소스 프로세서라고 합니다.
IBA는 수집기에서 프로브로 원시 텔레메트리를 수집하여 지식을 추출하여 작동합니다(예: 이상, 어그리게이션 등). 주어진 수집기는 텔레메트리를 지표 모음으로 게시하며, 각 메트릭에는 ID(viz, key-value 쌍 집합)와 값이 있습니다. 그래프 쿼리를 사용하는 IBA 프로브는 프로브에 값을 수집하기 위해 메트릭의 ID를 완전히 지정해야 합니다. 이 기능을 통해 프로브는 수집 필터를 사용하여 ID의 부분 사양으로 메트릭을 수집할 수 있으므로 알 수 없는 ID가 있는 메트릭을 수집할 수 있습니다.
일부 프로브는 자동으로 생성됩니다. 이러한 프로브는 자동으로 삭제되지 않습니다. 이를 통해 운영을 단순화하고 구현을 현명하게 유지합니다.
프로세서
프로브의 입력 프로세서는 원시 텔레메트리를 프로브로 수집하여 데이터 처리 파이프라인을 시작하는 데 필요한 구성을 처리합니다. 이러한 프로세서의 경우, 스테이지 출력 항목 수(한 개 또는 개 이상)는 지정된 그래프 쿼리의 결과 수와 동일합니다. 예를 들어 여러 그래프 쿼리를 지정하는 경우. graph_query: [A, B]및 쿼리 A는 5개 노드와 일치하고, 쿼리 B는 10노드, 쿼리 A는 0~4, 쿼리 B는 5~14의 인덱스를 사용하여 액세스할 수 query_result 있습니다.
프로세서의 입력 유형 및/또는 출력 유형이 지정되지 않은 경우, 프로세서 는 라는 단일 입력을 가져와서 라는 단일 출력을 생성합니다.
일부 프로세서 필드는 표현식이라고 합니다. 어떤 경우에는 그래프 쿼리이므로 너무 많이 언급되기도 합니다. 다른 경우에는 값을 산출하는 Python 표현식입니다. 예를 들어, 누적 프로세서에서 시간 은(는) 초 단위의 정수로 지정되거나, 예를 들어 90060 * 15식으로 지정할 수 있습니다. 그러나 표현식이 더 유용할 수 있습니다. 표현식을 패러메트리화하는 방법은 여러 가지가 있습니다.
표현식은 문자열 값을 지원합니다. 문자열 및 지원 표현식인 프로세서 구성 매개 변수는 정적 값을 지정할 때 특별한 따옴표로 사용해야 합니다. 예를 들어, state: "up" 정적 문자열이 아닌 변수 "up"을 참조하기 때문에 state: '"up"'유효하지 않습니다.
표현식은 항상 그래프 쿼리와 연결되며 해당 쿼리의 모든 결과 일치에 대해 실행됩니다. 식의 실행 컨텍스트는 쿼리에 지정된 모든 변수가 관련 일치 결과에서 명명된 노드로 확인되도록 합니다. 자세한 내용은 서비스 데이터 수집기 예를 참조하십시오.
그래프 기반 프로세서는 태그별로 그래프 쿼리 결과를 필터링할 수 있도록 query_tag_filter 확장되었습니다(버전 4.0의 새 버전). IBA 프로브에서 태그는 서버 및 외부 라우터, 특히 ECMP 불균형(외부 인터페이스) 프로브 및 Total East/West 트래픽 프로브에 대한 필터 기준으로만 사용됩니다. 특정 프로세서 정보는 참조 섹션의 프로브 프로세서 를 참조하십시오.
수집 필터
"수집 필터"를 사용하면 하나의 쿼리 결과가 여러 메트릭을 프로브로 수집할 수 있습니다. 테이블 데이터 유형은 여러 메트릭을 단일 단계 출력 항목의 일부로 저장하는 데 사용됩니다. 테이블 데이터 유형은 , , table_ts table_dss을 포함table_ns하며, 기존 유형에 ns해당합니다. , , dssts - 각각 입니다.
IBA 수집 필터
수집 필터는 대상 디바이스에서 수집되는 메트릭을 결정합니다.
주어진 디바이스에서 지정된 수집기의 수집 필터는 단순히 다른 프로브에 존재하는 수집 필터의 모음일 뿐입니다. IBA 또는 프로브의 컨텍스트 밖에서 서비스를 활성화하기 위한 일부로 지정할 수도 있지만 서비스 구현을 위한 기존 우선 순위 규칙은 여기에 적용되며, 지정된 우선 순위 수준의 필터만 어그리게이션됩니다. 여러 프로브가 특정 디바이스에서 특정 서비스를 대상으로 하는 수집 필터를 지정할 때 수집된 메트릭은 연합입니다. 즉, 필터와 일치할 때 메트릭이 게시됩니다. 이것이 바로 데이터가 IBA 프로브로 수집하기 전에 컨트롤러 구성 요소에 의해 필터링되는 이유입니다.
이 필터는 텔레메트리 수집기에서 평가되며, 종종 기본 디바이스 운영 체제에서 제공되는 메트릭 하위 집합까지도 더 잘 제어할 수 있습니다. 예를 들어, 큰 숫자가 될 수 있는 모든 경로를 가져오는 대신 경로 하위 집합만 가져오게 됩니다. 어쨌든 수집 필터와 일치하는 메트릭만 원시 텔레메트리로 게시됩니다.
디바이스에서 서비스를 활성화하는 일환으로 이제 서비스에 대한 수집 필터를 지정할 수 있습니다. 이 필터는 "self.service_config.collection_filters"의 일부로 수집기에게 제공되는 추가 입력이 됩니다.
IBA 필터 형식
다음은 필터에 대한 설계/사용성 목표(수집 및 수집)입니다.
- 작성의 용이성 - 주어진 프로브 저자는 그것을 지정하는 것입니다
- 키에 숫자 값이 있는 경우 대개 케이스가 일치하는 경우, 가능한 값 목록, 평등 일치, 범위 확인과 일치합니다.
- 효율적인 평가 - 필터가 수집 또는 수집의 핫 경로에서 평가되는 점을 감안할 때.
- 어그리게이션 가능 - 여러 필터가 어그리게이션되므로 이 어그리게이션 로직이 개별 수집기의 책임이 될 필요가 없습니다.
- 프로그래밍 언어 중립 - 필터에서 작동하는 구성 요소는 Python 또는 C++ 또는 향후 일부 다른 언어로 제공될 수 있습니다.
- 프로그래밍 가능 - 필터 주변, 컨트롤러 자체 및/또는 컬렉터에 의한 향후 프로그래밍 가능성의 적용으로 사용 편의성, 성능 등과 같은 기능을 향상할 수 있습니다.
위의 목표를 고려하면 필터1에 대해 제안되고 그림이 표시된 스키마가 다음과 같이 표시됩니다. 이를 더 잘 이해하려면 특정 예제는 수집 필터 섹션을 참조하십시오.
FILTER_SCHEMA = s.Dict(s.Object(
'type': s.Enum(['any', 'equals', 'list', 'pattern', 'range', 'prefix']),
'value': s.OneOf({
'equals': s.OneOf([s.String(), s.Integer()]),
'list': s.List(s.String(), validate=s.Length(min=1)),
'pattern': s.List(s.String(), validate=s.Length(min=1)),
'range': s.AnomalyRange(), validate=s.Length(min=1),
'prefix': s.Object({
'prefixsubnet': s.Ipv6orIpv4NetworkAddress(),
'ge_mask': s.Optional(s.Integer()),
'le_mask': s.Optional(s.Integer()),
'eq_mask': s.Optional(s.Integer())
})
), key_type=s.String(description=
'Name of the key in metric identity. Missing metric identity keys are '
'assumed to match any value'))
필터 사양의 한 인스턴스는 모든 지정된 키(일명 키당 제약)의 AND 로 해석됩니다. 여러 프로브에서 오는 여러 필터 사양은 필터 수준에서 OR 로 간주됩니다.
여기에 제시된 스키마는 요구 사항을 전달하는 것만을 위한 것이며 엔지니어링은 명시된 사용 사례를 달성하는 방법을 자유롭게 선택할 수 있습니다.
컬렉터 프로세서의 구성에 지정된 additional_properties 수집기 프로세서는 특수 context. 네임스페이스를 사용하여 액세스할 수 있습니다. 예를 들어, 수집기에서 속성을 system_role정의하면 다음과 같은 방식으로 사용할 수 있습니다.
duration: 60 * (15 if context.system_role == "leaf" else 10)
항목 컨텍스트는 항목 세트가 수집기 프로세서 구성에서 파생된 원래 세트와 변경되지 않는 한 사용할 수 있습니다. 예를 들어 그룹화 프로세서와 같이 이 세트를 변경하는 프로세서를 데이터가 통과하면 더 이상 사용할 수 없습니다.
청사진에서 Analytics > 프로브 로 이동하여 프로브 테이블 보기로 이동합니다. 프로브의 세부 정보로 이동하려면 이름을 클릭합니다. 프로브를 인스턴스화, 생성, 복제, 편집, 삭제, 가져오기 및 내보내기할 수 있습니다. 
몇 가지 프로브에서 다양한 방법으로 단계를 표시할 수 있습니다. 예를 들어, 디바이스 트래픽이라는 프로브를 클릭하면 아래 이미지가 표시됩니다. 실시간에서 타임 시리즈로 평균 인터페이스 카운터의 데이터 소스를 변경하면 타임 시리즈를 별도의 그래프, 결합 그래프(선형 또는 결합 그래프: 스택형(Apstra 버전 4.0 기준)로 볼 수 있습니다. 또한 각 프로브에 사용되는 디스크 공간(해당되는 경우)을 볼 수 있습니다.
Apstra 컨트롤러에 디스크 공간이 부족한 경우 오래된 텔레메트리 데이터 파일은 삭제됩니다. 오래된 텔레메트리 데이터를 유지하려면 Apstra VM 클러스터로 용량을 늘릴 수 있습니다.
표준 뷰에서는 수십 개의 프로세서를 가진 비선형 프로브의 구조와 논리를 쉽게 구별할 수 없습니다. 확장 버튼(왼쪽 패널 상단)을 클릭하여 프로세서가 상호 관련된 방식(버전 4.0의 새)에 대한 확장된 표현을 볼 수 있습니다. 예를 들어, 아래의 이미지는 MLAG 불균형 프로브의 확장된 뷰를 보여줍니다. 