Övervakning av IBM Storwize Lagringssystem med Zabbix

I denna artikel kommer vi att diskutera övervakning av IBM Storwize och andra lagringssystem som stödjer CIM/WBEM-protokollen. Behovet av sådan övervakning lämnas osagt, vi antar att detta är en axiom. Vi kommer att använda Zabbix som övervakningssystem.

I de senaste versionerna av Zabbix har företaget lagt mycket mer vikt vid mallarna — det har dykt upp mallar för övervakning av tjänster, databashanterare och servers hårdvara (IMM/iBMC) via IPMI. Övervakning av lagringssystem är fortfarande utanför standardmallarna, så för att integrera information om status och prestanda för lagringssystemskomponenter i Zabbix måste man använda anpassade mallar. En sådan mall erbjuder jag er.

Först lite teori.

För att få tillgång till status och statistik för IBM Storwize kan man använda:

1. CIM/WBEM-protokoll;
2. RESTful API (stöds av IBM Storwize från mjukvaruversion 8.1.3);
3. SNMP Traps (begränsad uppsättning traps, ingen statistik);
4. Anslutning via SSH följt av fjärråtkomst passar för långsam bash-scripting.

Intresserade kan läsa mer om olika övervakningsmetoder i relevanta avsnitt av leverantörens dokumentation, samt i dokumentet IBM Spectrum Virtualize scripting.

Vi kommer att använda CIM/WBEM-protokoll, som möjliggör åtkomst till lagringssystemets driftparametrar utan betydande ändringar av mjukvaran för olika lagringssystem. CIM/WBEM-protokoll fungerar enligt Storage Management Initiative Specification (SMI-S). Storage Management Initiative – Specification är baserad på öppna standarder CIM (Common Information Model) och WBEM (Web-Based Enterprise Management), definierade av Distributed Management Task Force.

WBEM fungerar över HTTP-protokollet. Genom WBEM kan man arbeta inte bara med lagringssystem utan även med HBA, switchar och bibliotek för bandlagring.

Enligt SMI Architecture och Determine Infrastructure, är den grundläggande komponenten för implementeringen av SMI WBEM-servern, som hanterar CIM-XML-förfrågningar från WBEM-klienter (i vårt fall — från övervakningsskript):

CIM är en objektorienterad modell baserad på Unified Modeling Language (UML).
De hanterade elementen definieras som CIM-klasser som har egenskaper och metoder för att representera hanterade data och funktioner.

Enligt www.snia.org/pywbem, för att få åtkomst till lagringssystemet via CIM/WBEM kan man använda PyWBEM — ett open source-bibliotek skrivet i Python, vilket ger utvecklare och systemadministratörer möjlighet att implementera CIM-protokollet för att få åtkomst till CIM-objekt och utföra olika operationer med WBEM-servern som arbetar enligt SMI-S eller andra CIM-specifikationer.

För att ansluta till WBEM-servern använder vi klassens konstruktor WBEMConnection:

conn = pywbem.WBEMConnection(server_uri, (self.login, self.password),
            namespace, no_verification=True)

Detta är en virtuell anslutning eftersom CIM-XML/WBEM fungerar över HTTP; den verkliga anslutningen sker vid anrop av metoder för instansen av klassen WBEMConnection. I enlighet med IBM System Storage SAN Volume Controller och Storwize V7000 Best Practices and Performance Guidelines (Exempel C-8, s. 412), kommer vi att använda "root/ibm" som CIM-namnrymd för IBM Storwize-lagringssystem.

Observera att för att samla statistik via CIM-XML/WBEM måste användaren ingå i lämplig säkerhetsgrupp. Annars, vid utförande av WBEM-förfrågningar, kommer attribututsignalen för klassinstansen att vara tom..

För att få åtkomst till statistiken för lagringssystemet måste användaren som anropar konstruktorn WBEMConnection(), ha rättigheter minst som RestrictedAdmin (finns för code_level > 7.8.0) eller Administrator (inte rekommenderat av säkerhetsskäl).

Anslut till lagringssystemet via SSH och kolla gruppnumren:

> lsusergrp
id name            role            remote
0  SecurityAdmin   SecurityAdmin   no    
1  Administrator   Administrator   no    
2  CopyOperator    CopyOperator    no    
3  Service         Service         no    
4  Monitor         Monitor         no    
5  RestrictedAdmin RestrictedAdmin no    

Lägg till användaren zabbix i rätt grupp:

> chuser -usergrp 5 zabbix

Dessutom, enligt IBM System Storage SAN Volume Controller och Storwize V7000 Best Practices and Performance Guidelines (s. 415) är det nödvändigt att aktivera insamling av statistik på lagringssystemet. Så, för att samla statistik varje minut:

> startstats -interval 1 

Kontrollerar:

> lssystem | grep statistics
statistics_status on
statistics_frequency 1

För att få alla befintliga klasser av lagringssystemet, använd metoden EnumerateClassNames().

Exempel:

classnames = conn.EnumerateClassNames(namespace='root/ibm', DeepInheritance=True)
for classname in classnames:
     print (classname)

För att få värden på lagringssystemets parametrar finns metoden EnumerateInstances() för klassen WBEMConnection, som returnerar en lista av instanser CIMInstance().

Exempel:

instances = conn.EnumerateInstances(classname,
                   namespace=nd_parameters['name_space'])
for instance in instances:
     for prop_name, prop_value in instance.items():
          print('  %s: %r' % (prop_name, prop_value))

För vissa klasser som innehåller många instanser, såsom IBMTSSVC_StorageVolume, kan en fullständig förfrågan av alla instanser vara ganska långsam. Den kan generera stora datamängder som måste förberedas av Lagringssystemet, överföras över nätverket och bearbetas av skriptet. I sådana fall finns det en metod ExecQuery(), som möjliggör att endast hämta de egenskaper hos klassinstanserna som vi är intresserade av. Denna metod förutsätter användning av en frågespråk som liknar SQL — antingen CIM Query Language (DMTF:CQL) eller WBEM Query Language (WQL), för att fråga CIM-objekt i Lagringssystemet:

request = 'SELECT Name FROM IBMTSSVC_StorageVolumeStatistics'
objects_perfs_cim = wbem_connection.ExecQuery('DMTF:CQL', request)

För att fastställa vilka klasser vi behöver för att hämta egenskaperna för Lagringssystemets objekt läser vi dokumentationen, till exempel Hur systemkoncept kartläggs till CIM-koncept.

Så för att hämta parametrar (inte prestationsräknare) för fysiska diskar (Disk Drives) kommer vi att fråga klass IBMTSSVC_DiskDrive, för att hämta parametrar för Volumes — klass IBMTSSVC_StorageVolume, för att hämta parametrar för array — klass IBMTSSVC_Array, för att hämta parametrar för MDisks — klass IBMTSSVC_BackendVolume etc.

För att läsa om prestanda kan man kolla på Funktionsdiagram över Common Information Model-agenten (specifikt — Block server prestanda delprofil) och IBM System Storage SAN Volume Controller och Storwize V7000 Bästa praxis och prestationsriktlinjer (Exempel C-11, s. 415).

För att få statistik över Lagringssystemet för Volumes, är det nödvändigt att ange IBMTSSVC_StorageVolumeStatistics som värde för parameter ClassName. De egenskaper hos klassen IBMTSSVC_StorageVolumeStatistics som behövs för att samla statistik kan ses i Node Statistics.

Dessutom kan klasserna IBMTSSVC_BackendVolumeStatistics, IBMTSSVC_DiskDriveStatistics, IBMTSSVC_NodeStatistics användas för prestationsanalys.

För att skriva data till övervakningssystemet kommer vi att använda mekanismen zabbix traps, implementerad i python i modulen py-zabbix. Vi kommer att organisera strukturen av klasser för Lagringssystemet och deras egenskaper i en ordbok i JSON-format.

Laddar upp en mall till Zabbix-servern, säkerställer att det finns åtkomst till lagringssystemet via WEB-protokollet (TCP/5989) från övervakningsservern, placerar konfigurationsfiler, upptäckts- och övervakningsskript på övervakningsservern. Därefter lägger vi till skriptupplägg i schemaläggaren. Slutresultatet: vi upptäcker objekt i lagringssystemet (arrayer, fysiska och virtuella diskar, inneslutningar och mycket mer), överför dem till Zabbix-uppdagningar, läser av status för deras parametrar, läser av prestandastatistik (prestanda räknare) och överför allt detta till motsvarande Zabbix-objekt i vår mall.

Zabbix-mall, python-skript, strukturen för lagringssystemsklasser och deras egenskaper, samt exempel på konfigurationsfiler kan hittas här.

Källa: habr.com