Im September hat Broadcom (ehemals CA) die neue Version 20.2 seiner Lösung DX Operations Intelligence (DX OI) veröffentlicht. Auf dem Markt wird dieses Produkt als übergreifendes Monitoring-System positioniert. Das System ist in der Lage, Daten von Monitoring-Systemen verschiedener Bereiche (Netzwerk, Infrastruktur, Anwendungen, Datenbanken) sowohl von CA als auch von Drittanbietern zu empfangen und zu kombinieren, einschließlich Open-Source-Lösungen (Zabbix, Prometheus und anderen).

Die Hauptfunktion von DX OI besteht darin, ein vollständiges ressourcenbasiertes Service-Modell (RSM) auf der Basis von Konfigurationseinheiten (KE) zu erstellen, die die Inventardatenbank bei der Integration mit externen Systemen befüllen. In DX OI sind Funktionen für Machine Learning und Künstliche Intelligenz (ML und AI) integriert, die es ermöglichen, die Wahrscheinlichkeit des Ausfalls einer bestimmten KE und den Einfluss des Ausfalls auf den Geschäftsservice, der auf einer bestimmten KE beruht, zu bewerten bzw. vorherzusagen. Darüber hinaus stellt DX OI einen zentralen Punkt für die Sammlung von Monitoring-Ereignissen dar und ermöglicht somit die Integration mit dem Service Desk, was einen unbestreitbaren Vorteil bei der Nutzung des Systems in zentralen Überwachungszentren der Organisationen durch die diensthabenden Schichten darstellt. In diesem Artikel werden wir näher auf die Funktionen des Systems eingehen und die Benutzer- und Administratoroberflächen vorstellen.

Architektur der Lösung DX OI

Die DX-Plattform verfügt über eine Mikroservice-Architektur und wird unter Kubernetes oder OpenShift installiert und betrieben. In der folgenden Abbildung sind die Komponenten der Lösung dargestellt, die entweder als eigenständige Monitoring-Tools verwendet werden können oder durch bereits vorhandene Monitoringsysteme mit ähnlichen Funktionen ersetzt werden können (in der Abbildung sind Beispiele solcher Systeme dargestellt) und anschließend mit dem DX OI-System verbunden werden. In der folgenden Skizze:

• Überwachung mobiler Anwendungen in DX App Experience Analytics;
• Überwachung der Anwendungsleistung in DX APM;
• Überwachung der Infrastruktur in DX Infrastructure Manager;
• Überwachung von Netzwerkgeräten in DX NetOps Manager.

Die Komponenten von DX arbeiten unter der Verwaltung eines Kubernetes-Clusters und skalieren durch einfaches Starten neuer PODs. Unten ist eine hochrangige Skizze der Lösung.

Die Administration, Skalierung und Aktualisierung der DX-Plattform erfolgt über die Administrationskonsole. Aus einer Konsole heraus kann die Multitenant-Architektur verwaltet werden, die mehrere Unternehmen oder Geschäftseinheiten innerhalb eines Unternehmens umfassen kann. In diesem Modell kann jedes Unternehmen individuell als Mieter mit einem eigenen Satz von Konfigurationen eingerichtet werden.

Die Administrationskonsole ist ein webbasiertes Tool zur Verwaltung von Operationen und Systemen, das den Administratoren eine einheitliche, konsistente Benutzeroberfläche für die Durchführung von Aufgaben in der Clusterüberwachung bietet.

Neue Tenants für Geschäftseinheiten oder Unternehmen innerhalb des Unternehmens werden in wenigen Minuten bereitgestellt. Dies bietet einen Vorteil, wenn Sie ein einheitliches Überwachungssystem haben möchten, aber auf der Plattformebene (und nicht im Zugangsrecht) die Überwachungsobjekte zwischen Abteilungen trennen wollen.

Ressourcen-Service-Modelle und Überwachung von Geschäftsdiensten

DX OI verfügt über integrierte Mechanismen zur Erstellung von Services und zur Entwicklung klassischer RSMs, bei denen Logik und Gewichte zwischen den Komponenten des Services festgelegt werden. Es gibt auch Mechanismen zum Export von RSMs aus externen CMDBs. Im Bild unten sehen Sie den integrierten RSM-Editor (beachten Sie die Gewichte der Verbindungen).

DX OI bietet ein umfassendes Bild der Schlüsselkennzahlen für die Funktionalität von Geschäfts- oder IT-Diensten mit Details, einschließlich der Verfügbarkeit von Services und der Risikoprognose für Ausfälle. Das Tool kann auch Einblicke in die Auswirkungen von Leistungsproblemen oder Änderungen in der Struktur von IT-Komponenten (Anwendungen oder Infrastruktur) auf den Geschäftsdienst geben. Im Bild unten sehen Sie ein interaktives Dashboard, das den Status aller Services anzeigt.

Betrachten wir die Details am Beispiel des Digital Banking-Services. Bei einem Klick auf den Namen des Services gelangen wir zur detaillierten RSM des Services. Wir sehen, dass der Status des Digital Banking-Services von dem Zustand der infrastrukturellen und transaktionalen Unterservices mit unterschiedlichen Gewichten abhängt. Die Arbeit mit Gewichten und deren Anzeige ist ein interessantes Merkmal von DX OI.

Die Topologie ist ein wichtiger Bestandteil der operativen Überwachung eines Unternehmens und ermöglicht es Betreibern und Ingenieuren, die Beziehungen zwischen Komponenten zu analysieren, die Grundursache zu finden und die Auswirkungen zu verstehen.

DX OI Topology Viewer ist ein Dienst, der topologische Daten von dominanten Überwachungssystemen verwendet, die Daten direkt von den Überwachungsobjekten sammeln. Das Tool ist dafür gedacht, in mehreren Ebenen von Topologie-Speichers zu suchen und eine kontextabhängige Beziehungskarte anzuzeigen. Zur Problemuntersuchung kann in den Bereich Backend Banking gewechselt werden, um die Topologie und die problematischen Komponenten zu sehen. Zudem können für jede Komponente Alarmmeldungen und Leistungsmetriken analysiert werden.

Bei der Analyse der Transaktionskomponenten Payments (benutzerdefinierte Transaktionen) können wir die Werte der Geschäfts-KPIs verfolgen, die auch bei der Berechnung des Verfügbarkeits- und Gesundheitsstatus des Dienstes berücksichtigt werden. Ein Beispiel für Geschäfts-KPIs finden Sie weiter unten:

Ereignisanalyse (Alarm Analytics)

Algorithmisches Rauschunterdrücken durch Clusterbildung von Alarme

Eine der Schlüssel-Funktionen von DX OI bei der Ereignisverarbeitung ist die Clusterbildung. Der Mechanismus arbeitet an allen Benachrichtigungen, die in das System eingehen, um Muster basierend auf verschiedenen Kontexten zu identifizieren und sie in Gruppen zu bündeln. Diese Cluster sind selbstlernend und müssen nicht manuell konfiguriert werden.

Durch die Clusterbildung können Benutzer eine enorme Anzahl von Ereignissen zusammenfassen und nur die analysieren, die einen gemeinsamen Kontext haben. Zum Beispiel eine Reihe von Ereignissen, die einen Vorfall darstellen, der die Funktionalität von Anwendungen oder eines Rechenzentrums beeinflusst. Situationen werden mithilfe von Clusteralgorithmen erstellt, die maschinelles Lernen nutzen, um zeitliche Korrelation, topologische Beziehungen und die Verarbeitung natürlicher Sprache zu analysieren. Die untenstehenden Abbildungen zeigen Beispiele für die Visualisierung von Clustergruppen von Nachrichten, sogenannten Situationsalarmen, und die Evidenztimeline, die die Hauptparameter der Gruppierung und den Prozess der Reduzierung von Rauschereignissen darstellen.

Analyse der Grundursachen und Korrelationsanalysen von Alarme

In der modernen hybriden Umgebung kann eine Benutzertransaktion mehrere Systeme betreffen, die dynamisch verwendet werden. Dies kann mehrere Warnmeldungen aus verschiedenen Systemen erzeugen, die jedoch mit demselben Problem oder Vorfall zusammenhängen. DX OI nutzt patentierte Mechanismen zur Unterdrückung überflüssiger und doppelter Benachrichtigungen und zur Korrelation verwandter Benachrichtigungen, um die Erkennung kritischer Probleme zu verbessern und schnellere Lösungen zu ermöglichen.

Betrachten wir ein Beispiel, bei dem zahlreiche Alarmmeldungen zu verschiedenen Elementen (KE) in ein System eingehen, die sich auf denselben Dienst beziehen. Im Fall von Auswirkungen auf die Verfügbarkeit und Funktionalität des Dienstes wird das System einen Dienstalarm (Service Alarm) generieren, die wahrscheinliche Ursachen (problematisches KE und Alarmmeldung zu KE) angeben und kennzeichnen, die zu einer Leistungsminderung oder Ausfall des Dienstes beigetragen haben. Die folgende Abbildung zeigt eine Visualisierung der Alarm-Situation für den Webex-Dienst.

DX OI ermöglicht die Verarbeitung von Events durch intuitive Aktionen in der Web-Oberfläche des Systems. Benutzer können Ereignisse manuell einem verantwortlichen Mitarbeiter zur Fehlerbehebung zuweisen, Warnmeldungen zurücksetzen/bestätigen, Anfragen erstellen oder E-Mail-Benachrichtigungen versenden und automatisierte Workflows zur Behebung von Alarm-Situationen (Remediation Workflow, dazu später mehr) starten. Auf diese Weise können sich die Betreiber von Schichtdiensten auf die zugrunde liegende Alarmmeldung konzentrieren und den Prozess der Sortierung von Meldungen in Clusteranlagen vereinfachen.

Maschinenalgorithmen zur Verarbeitung von Metriken und zur Analyse von Leistungsdaten

Maschinenlernen ermöglicht es, Schlüsselkennzahlen über einen bestimmten Zeitraum zu verfolgen, zu aggregieren und zu visualisieren, was dem Benutzer folgende Vorteile bietet:

• Erkennung von Engpässen und Leistungsanomalien;
• Vergleich mehrerer Kennzahlen für dieselben Geräte, Schnittstellen oder Netzwerke;
• Vergleich identischer Kennzahlen auf mehreren Objekten;
• Vergleich verschiedener Kennzahlen über ein oder mehrere Objekte;
• Vergleich mehrdimensionaler Metriken über mehrere Objekte.

Zur Analyse der in das System eingehenden Metriken verwendet DX OI Funktionen der Maschinenanalyse unter Anwendung mathematischer Algorithmen, was die Zeit für die Einstellung statischer Schwellenwerte und die Generierung von Warnungen bei Anomalien verkürzt.

Das Ergebnis der Anwendung mathematischer Algorithmen ist der Aufbau sogenannter Wahrscheinlichkeitsverteilungen von Metrikwerten (Selten, Wahrscheinlich, Zentrum, Mittelwert, Tatsächlicher Wert). In den obigen und unteren Abbildungen sind die Wahrscheinlichkeitsverteilungen dargestellt.

Die beiden obigen Diagramme zeigen die folgenden Daten:

• Tatsächliche Daten (Actual). Die tatsächlichen Daten werden im Diagramm als durchgehende schwarze Linie (keine Alarmsignale) oder durchgehende farbige Linie (Alarmstatus) angezeigt. Die Linie wird auf Basis der tatsächlichen Daten für die Metrik berechnet. Indem Sie die tatsächlichen Daten mit dem Medianwert vergleichen, können Sie schnell die Variationen der Metrik erkennen. Wenn ein Ereignis auftritt, ändert sich die schwarze Linie in eine durchgehende farbige Linie, die der Kritikalität des Ereignisses entspricht und entsprechende Kritiken über dem Diagramm anzeigt. Zum Beispiel Rot für kritische Anomalien, Orange für signifikante Anomalien und Gelb für geringfügige Anomalien.
• Mittelwert der Kennzahl (Mean value). Der Mittelwert oder Durchschnittswert für die Kennzahl wird in dem Diagramm durch eine graue Linie dargestellt. Der Mittelwert wird angezeigt, wenn historische Daten fehlen.
• Medianwert der Kennzahl (Center value). Die Medianlinie ist die Mitte des Bereichs und wird durch eine grüne gestrichelte Linie angezeigt. Die Zonen, die dieser Linie am nächsten liegen, sind den typischen Werten der Kennzahl am nächsten.
• Allgemeine Daten (Common Value). Die Daten der allgemeinen Zone verfolgen den nächstgelegenen Wert zur zentralen Linie oder zur Norm für Ihre Kennzahl und werden als dunkelgrüner Bereich angezeigt. Analytische Berechnungen platzieren die allgemeine Zone einen Perzentil über oder unter der Norm.
• Wahrscheinlichkeitsdaten. Die Daten der Wahrscheinlichkeitszone werden im Diagramm durch einen grünen Bereich angezeigt. Das System platziert die Wahrscheinlichkeitszone zwei Perzentile über oder unter der Norm.
• Seltene Daten. Daten zu seltenen Zonen werden im Diagramm als hellgrüner Streifen dargestellt. Das System platziert die Zone mit seltenen Metrikwerten drei Percentilen über oder unter der Norm und signalisiert, wenn sich der Wert außerhalb des normalen Bereichs bewegt, wobei das System einen sogenannten Anomaly Alert generiert.

Eine Anomalie ist eine Messung oder ein Ereignis, das nicht mit den normalen Werten der Metrik übereinstimmt. Die Erkennung von Anomalien zur Identifizierung von Problemen und zum Verständnis von Trends in der Infrastruktur und den Anwendungen ist eine Schlüsselkompetenz von DX OI. Die Anomalieerkennung ermöglicht es, sowohl ungewöhnliches Verhalten zu erkennen (z. B. ein Server, der langsamer als gewöhnlich reagiert, oder ungewöhnliche Netzwerkaktivitäten, die durch einen Hacking-Versuch verursacht werden) als auch entsprechend zu reagieren (Erstellung eines Vorfalls, Ausführung eines automatischen Remediation-Skripts).

Die Anomalieerkennungsfunktion von DX OI bietet folgende Vorteile:

• Es ist keine Festlegung von Schwellenwerten erforderlich. DX OI wird die Daten selbst abgleichen und Anomalien aufdecken.
• DX OI umfasst mehr als zehn Algorithmen der künstlichen Intelligenz und des maschinellen Lernens, darunter EWMA (Exponentially-Weighted—Moving-Average) und KDE (Kernel Density Estimation). Diese Algorithmen ermöglichen eine schnelle Ursachenanalyse und die Prognose zukünftiger Metrikwerte.

Prädiktive Analytik und Warnmeldung bei möglichen Ausfällen

Predictive Insights ist eine Funktion, die die Möglichkeiten des maschinellen Lernens nutzt, um Muster und Trends zu erkennen. Basierend auf diesen Trends prognostiziert das System Ereignisse, die in der Zukunft auftreten könnten. Diese Meldungen weisen auf die Notwendigkeit von Maßnahmen hin, bevor die Metrikwerte die normalen Werte überschreiten, was sich auf kritische Geschäftsservices auswirken könnte. Predictive Insights sind im Bild unten dargestellt.

Dies ist eine Visualisierung prädiktiver Warnmeldungen für eine bestimmte Metrik.

Prognose der Auslastung der Rechenressourcen mit einer Funktion zur Lastszenarienplanung

Die Kapazitätsanalysen-Funktion Capacity Analytics hilft bei der Verwaltung von IT-Ressourcen, indem sie die richtige Größe der Ressourcen gewährleistet, um den aktuellen und zukünftigen Bedürfnissen des Geschäfts gerecht zu werden. Sie können die Leistung und Effizienz vorhandener Ressourcen optimieren und alle finanziellen Investitionen planen und rechtfertigen.

Die Funktion Capacity Analytics in DX OI bietet folgende Vorteile:

• Kapazitätsprognosen in Spitzenzeiten;
• Bestimmung des Zeitpunkts, an dem zusätzliche Ressourcen benötigt werden, um eine qualitativ hochwertige Dienstleistung zu gewährleisten;
• Beschaffung zusätzlicher Ressourcen nur bei Bedarf;
• Effektives Management von Infrastruktur und Netzwerken;
• Beseitigung unnötiger Energiekosten durch Identifizierung unterausgelasteter Ressourcen;
• Bewertung der Ressourcenauslastung im Falle eines geplanten Anstiegs des Service- oder Ressourcenbedarfs.

Auf der Seite Capacity Analytics DX OI (siehe Abbildung unten) gibt es folgende Widgets:

• Status der Ressourcenkapazität (Resource Capacity Status);
• Überwachte Gruppen/Dienste (Monitored Groups/Services);
• Größte Ressourcenverbraucher (Top Capacity Consumers).

Die Hauptseite von Capacity Analytics zeigt Komponenten von Ressourcen an, die überlastet sind und deren Kapazität zur Neige geht. Diese Seite hilft Plattformadministratoren, übermäßig genutzte Ressourcen zu finden und diese anzupassen sowie zu optimieren. Der Zustand der Ressourcen kann anhand von Farbcodes und deren entsprechenden Werten analysiert werden. Ressourcen werden je nach Grad ihrer Überlastung auf der Seite des Ressourcenzustands klassifiziert. Man kann auf jede der Farben klicken, um eine Liste der Komponenten in der gewählten Kategorie anzuzeigen. Es wird dann eine Heatmap mit allen Objekten und Prognosen für 12 Monate angezeigt, die es ermöglicht, Ressourcen zu erkennen, die bald erschöpft sein werden.

Für jede der Kennzahlen in Capacity Analytics können Filter angegeben werden, die DX Operational Intelligence zur Erstellung von Prognosen verwendet (siehe Abbildung unten).

Folgende Filter stehen zur Verfügung:

• Metrik. Die Metrik, die für die Prognose verwendet wird.
• Basis auf. Auswahl des Umfangs historischer Daten, die zur Erstellung von Prognosen für die Zukunft verwendet werden. Dieses Feld wird verwendet, um Trends des letzten Monats, der letzten 3 Monate, der letzten Jahr usw. zu vergleichen und zu analysieren.
• Wachstum. Erwartete Wachstumsrate der Arbeitslast, die Sie zur Modellierung der Leistungsprognose verwenden möchten. Diese Daten können verwendet werden, um das Wachstum über den Prognosen hinaus vorherzusagen. Zum Beispiel wird erwartet, dass die Ressourcennutzung um weitere 40 Prozent aufgrund der Eröffnung eines neuen Büros steigt.

Loganalyse

Die Funktion der Loganalyse von DX OI bietet:

• Sammlung und Aggregation von Logs aus verschiedenen Quellen (einschließlich solcher, die agierend und ohne Agenten erhalten wurden);
• Parsing und Normalisierung von Daten;
• Analyse auf Übereinstimmung mit festgelegten Bedingungen und Generierung von Ereignissen;
• Korrelation von Ereignissen basierend auf Logs, einschließlich Ereignissen, die aus der Überwachung der IT-Infrastruktur erhalten wurden;
• Datenvisualisierung basierend auf Analysen in DX Dashboards;
• Schlussfolgerungen zur Verfügbarkeit von Diensten basierend auf der Analyse von Logdaten.

Die Sammlung von Logs ohne Agenten erfolgt durch das System für Windows Event Logs und Syslog. Textlogs werden auf agentenbasierte Weise gesammelt.

Funktion der automatisierten Behebung von Notfällen (Remediation)

Automatisierte Maßnahmen zur Behebung von Notfällen (Remediation Workflow) ermöglichen die Lösung von Problemen, die zur Generierung von Ereignissen in DX OI geführt haben. Zum Beispiel erzeugt ein CPU-Lastproblem eine Fehlermeldung, der Behebungsprozess (Remediation Workflow) löst das Problem, indem er den Server, auf dem das Problem aufgetreten ist, neu startet. Die Integration zwischen DX OI und dem Automatisierungssystem ermöglicht es, Behebungsprozesse direkt aus der Ereigniskonsole in DX Operational Intelligence auszulösen und deren Verlauf in der Konsole des Automatisierungssystems zu verfolgen.

Nach der Integration mit dem Automatisierungssystem können Sie automatisierte Behebungsmaßnahmen für jede Notlage direkt in der DX OI-Konsole aus dem Kontext der Fehlermeldung auslösen. Sie können empfohlene Maßnahmen zusammen mit Informationen über die Wahrscheinlichkeit (Wahrscheinlichkeit der Behebung des Problems durch Durchführung der Maßnahme) anzeigen.

Ursprünglich, wenn keine Statistik zu den Ergebnissen der Durchführung des Remediation Workflows vorliegt, bietet der Empfehlungsmechanismus potenzielle Optionen basierend auf der Suchanfrage über Schlüsselwörter an. Anschließend werden die Ergebnisse des maschinellen Lernens verwendet, und der Mechanismus beginnt, Behebungsmethoden basierend auf Heuristik zu empfehlen. Sobald Sie beginnen, die Ergebnisse der erhaltenen Hinweise zu bewerten, wird die Genauigkeit der Empfehlungen verbessert.

Beispiel für Feedback von einem Benutzer: Der Benutzer wählt eine vorgeschlagene Aktion aus, die ihm gefällt oder nicht gefällt, und das System berücksichtigt diese Wahl bei den zukünftigen Empfehlungen. Gefällt mir / Gefällt mir nicht:

Die empfohlenen Korrekturmaßnahmen für spezifische Alarmereignisse basieren auf einer Kombination von Feedback, das bestimmt, ob die Aktion akzeptabel ist. DX OI wird mit einer integrierten Verbindung zum Automatisierungssystem Automic Automation geliefert.

Integration von DX OI mit Drittanbietersystemen

Wir werden nicht ausführlich auf die Integration von Daten aus den nativen Überwachungsprodukten von Broadcom (DX NetOps, DX Infrastructure Management, DX Application Performance Management) eingehen. Stattdessen betrachten wir, wie Daten aus Drittanbietersystemen integriert werden und erläutern ein Beispiel für die Integration mit einem der beliebtesten Systeme – Zabbix.

Für die Integration mit Drittanbietersystemen wird die Komponente DX Gateway verwendet. Das DX Gateway besteht aus 3 Komponenten – On-Prem Gateway, RESTmon und Log Collector (Logstash). Sie können alle 3 Komponenten installieren oder nur die benötigte, indem Sie die gemeinsame Konfigurationsdatei bei der Installation des DX Gateway ändern. In der Abbildung unten sehen Sie die Architektur des DX Gateway.

Lassen Sie uns die Funktionen der Komponenten des DX Gateway separat betrachten.

On-Prem Gateway. Dies ist die Schnittstelle, die Alarmmeldungen von der DX-Plattform sammelt und Ereignisse an Drittanbietersysteme sendet. Das On-Prem Gateway fungiert als Poller, der regelmäßig Ereignisdaten aus DX OI mithilfe von API-Anfragen über das HTTPS-Protokoll abruft und dann Warnungen an einen Drittanbieterserver sendet, der mit der DX-Plattform über Webhooks integriert ist.

DX Log Collector nimmt Syslog von Netzwerkgeräten an oder Server und lädt sie in OI hoch. Der DX Log Collector ermöglicht es, die Software, die Meldungen generiert, das System, das sie speichert, und die Software, die sie übermittelt und analysiert, zu trennen. Jede Nachricht wird mit einem Objektschlüssel gekennzeichnet, der den Typ der Software angibt, die die Nachricht generiert, und ihr wird ein Kritikalitätsgrad zugewiesen. In den DX Dashboards kann alles später betrachtet werden.

DX RESTmon integriert sich mit Drittanbieterdiensten über REST API und überträgt Daten in OI. In der Abbildung unten ist das Funktionsschema von DX RESTmon am Beispiel der Integration mit den Überwachungssystemen Solarwinds und SCOM dargestellt.

Hauptfunktionen von DX RESTmon:

• Verbindung zu jeder externen Datenquelle zur Datenübertragung:
  • PULL: Verbindung herstellen und Daten aus öffentlichen REST-APIs extrahieren;
  • PUSH: Datenstrom in RESTmon über REST.
• Unterstützung für die Formate JSON und XML;
• Empfang von Metriken, Warnungen, Gruppen, Topologie, Inventar und Protokollen;
• Fertige Konnektoren für verschiedene Tools/Technologien, außerdem ist es möglich, einen Konnektor zu jeder Quelle mit einer offenen API zu entwickeln (Liste der fertigen Konnektoren in der Abbildung unten);
• Unterstützung der Basis-Authentifizierung (standardmäßig) beim Zugriff auf die Swagger-Schnittstelle und API;
• Unterstützung von HTTPS (standardmäßig) für alle eingehenden und ausgehenden Nachrichten;
• Unterstützung für eingehende und ausgehende Proxys;
• Leistungsfähige Textanalysefunktionen für Protokolle, die über REST empfangen werden;
• Konfigurierbare Textanalyse mit RESTmon, die eine effiziente Analyse und Visualisierung von Protokollen ermöglicht;
• Unterstützung für die Extraktion von Informationen über Gerätegruppen aus Überwachungsanwendungen und deren Übertragung in OI zur Analyse und Visualisierung;
• Unterstützung für die Möglichkeit der Übereinstimmung mit regulären Ausdrücken. Dies kann zur Analyse und Übereinstimmung von Protokollnachrichten, die über REST empfangen wurden, sowie zur Generierung oder Schließung von Ereignissen basierend auf bestimmten Bedingungen regulärer Ausdrücke verwendet werden.

Jetzt betrachten wir den Prozess der Integration von DX OI mit Zabbix über DX RESTmon. Die fertige Integration zieht folgende Daten aus Zabbix:

• Inventardaten;
• Topologie;
• Probleme;
• Metriken.

Da der Konnektor für Zabbix direkt verfügbar ist, ist alles, was zur Einrichtung der Integration erforderlich ist, die Aktualisierung des Profils, indem die IP-Adresse des Zabbix API-Servers und das Konto angegeben werden, und das anschließende Hochladen des Profils über die Weboberfläche von Swagger. Beispiel in den zwei folgenden Abbildungen.

Nach der Einrichtung der Integration stehen die oben beschriebenen Analysefunktionen von DX OI für die Daten aus Zabbix zur Verfügung, nämlich: Alarm-Analyse, Leistungs-Analyse, vorausschauende Einblicke, Service-Analyse und Fehlerbehebung. In der Abbildung unten sehen Sie ein Beispiel für die Analyse der Leistungsmetriken von Objekten, die aus Zabbix integriert wurden.

Fazit

DX OI — ein modernes Analysewerkzeug, das eine erhebliche betriebliche Effizienz für IT-Abteilungen gewährleistet, schnellere und richtigere Entscheidungen zur Verbesserung der Qualität von IT-Dienstleistungen und geschäftlichen Services durch interdomänen Kontextanalysen ermöglicht. Für Anwendungs- und Geschäftsbereiche berechnet DX OI die Verfügbarkeit und Qualität der Services nicht nur im Kontext technologischer IT-Kennzahlen, sondern auch anhand von Geschäfts-KPIs, die aus der Transaktionsstatistik von Endbenutzern extrahiert werden.

Wenn Sie mehr über diese Lösung erfahren möchten, hinterlassen Sie bitte eine Anfrage für eine Demonstration oder ein Pilotprojekt. auf die für Sie bequemste Weise auf unserer Website.

Quelle: habr.com