R మరియు PowerShellని ఉపయోగించే వర్చువల్ మిషన్ల ఆరోగ్యంపై రోజువారీ నివేదికలు

ఎంట్రీ

శుభ మద్యాహ్నం. అర్ధ సంవత్సరం నుండి మేము వర్చువల్ మెషీన్‌ల స్థితిపై నివేదికలను రూపొందించే స్క్రిప్ట్ (లేదా స్క్రిప్ట్‌ల సమితి)ని అమలు చేస్తున్నాము (మరియు మాత్రమే కాదు). నేను నా సృష్టి అనుభవాన్ని మరియు కోడ్‌ను పంచుకోవాలని నిర్ణయించుకున్నాను. నేను విమర్శల కోసం ఆశిస్తున్నాను మరియు ఈ విషయం ఎవరికైనా ఉపయోగకరంగా ఉండవచ్చు.

అవసరం ఏర్పడటం

మా వద్ద చాలా వర్చువల్ మిషన్లు ఉన్నాయి (సుమారు 1500 VMలు 3 vCentersలో పంపిణీ చేయబడ్డాయి). కొత్తవి సృష్టించబడతాయి మరియు పాతవి చాలా తరచుగా తొలగించబడతాయి. క్రమాన్ని నిర్వహించడానికి, VMలను సబ్‌సిస్టమ్‌లుగా విభజించి, అవి పరీక్షా పత్రాలు కాదా మరియు ఎవరి ద్వారా మరియు ఎప్పుడు సృష్టించబడ్డాయో సూచించడానికి అనేక అనుకూల ఫీల్డ్‌లు vCenterకి జోడించబడ్డాయి. మానవ కారకం సగానికి పైగా యంత్రాలు ఖాళీ క్షేత్రాలతో మిగిలిపోయాయని వాస్తవానికి దారితీసింది, ఇది పనిని క్లిష్టతరం చేసింది. ప్రతి ఆరు నెలలకు ఒకసారి, ఎవరైనా విసుగు చెంది, ఈ డేటాను అప్‌డేట్ చేయడంలో పని చేయడం ప్రారంభించారు, కానీ ఫలితం వారంన్నర తర్వాత సంబంధితంగా ఉండదు.
యంత్రాల సృష్టి, వాటి సృష్టికి సంబంధించిన ప్రక్రియ మొదలైన వాటి కోసం అప్లికేషన్‌లు తప్పనిసరిగా ఉండాలని ప్రతి ఒక్కరూ అర్థం చేసుకున్నారని నేను వెంటనే స్పష్టం చేస్తాను. మరియు అందువలన న. మరియు అదే సమయంలో, ప్రతి ఒక్కరూ ఖచ్చితంగా ఈ ప్రక్రియను అనుసరిస్తారు మరియు ప్రతిదీ క్రమంలో ఉంటుంది. దురదృష్టవశాత్తు, ఇది ఇక్కడ కేసు కాదు, కానీ ఇది వ్యాసం యొక్క విషయం కాదు :)

సాధారణంగా, ఫీల్డ్‌లలో పూరించడం యొక్క ఖచ్చితత్వాన్ని తనిఖీ చేయడానికి ఆటోమేట్ చేయడానికి నిర్ణయం తీసుకోబడింది.
బాధ్యతాయుతమైన ఇంజనీర్లు మరియు వారి ఉన్నతాధికారులందరికీ తప్పుగా పూరించిన యంత్రాల జాబితాతో కూడిన రోజువారీ లేఖ మంచి ప్రారంభం అని మేము నిర్ణయించుకున్నాము.

ఈ సమయంలో, నా సహోద్యోగుల్లో ఒకరు పవర్‌షెల్‌లో ఇప్పటికే స్క్రిప్ట్‌ను అమలు చేసారు, ఇది ప్రతిరోజూ, షెడ్యూల్ ప్రకారం, అన్ని vCenters యొక్క అన్ని మెషీన్‌లపై సమాచారాన్ని సేకరించి, 3 csv పత్రాలను (ప్రతి దాని స్వంత vCenter కోసం) రూపొందించింది, వీటిని అప్‌లోడ్ చేసారు. ఒక సాధారణ డిస్క్. ఈ స్క్రిప్ట్‌ను ప్రాతిపదికగా తీసుకోవాలని మరియు మాకు కొంత అనుభవం ఉన్న R భాషను ఉపయోగించి తనిఖీలతో అనుబంధంగా ఇవ్వాలని నిర్ణయించబడింది.

ఖరారు ప్రక్రియలో, పరిష్కారం మెయిల్ ద్వారా సమాచారాన్ని పొందింది, ఒక ప్రధాన మరియు చారిత్రక పట్టికతో కూడిన డేటాబేస్ (దీని తర్వాత మరింత), అలాగే vM యొక్క వాస్తవ సృష్టికర్తలను మరియు వాటిని సృష్టించిన సమయాన్ని కనుగొనడానికి vSphere లాగ్‌ల విశ్లేషణ.

IDE RStudio డెస్క్‌టాప్ మరియు పవర్‌షెల్ ISE అభివృద్ధి కోసం ఉపయోగించబడ్డాయి.

స్క్రిప్ట్ సాధారణ Windows వర్చువల్ మెషీన్ నుండి ప్రారంభించబడింది.

సాధారణ తర్కం యొక్క వివరణ.

స్క్రిప్ట్‌ల యొక్క సాధారణ తర్కం క్రింది విధంగా ఉంది.

• మేము పవర్‌షెల్ స్క్రిప్ట్‌ని ఉపయోగించి వర్చువల్ మెషీన్‌లపై డేటాను సేకరిస్తాము, దానిని R ద్వారా పిలుస్తాము మరియు ఫలితాన్ని ఒక csvగా కలుపుతాము. భాషల మధ్య రివర్స్ ఇంటరాక్షన్ అదేవిధంగా జరుగుతుంది. (వేరియబుల్స్ రూపంలో నేరుగా R నుండి పవర్‌షెల్‌కి డేటాను నడపడం సాధ్యమైంది, కానీ ఇది కష్టం, మరియు ఇంటర్మీడియట్ csvs కలిగి ఉండటం వలన డీబగ్ చేయడం మరియు ఇంటర్మీడియట్ ఫలితాలను ఎవరితోనైనా భాగస్వామ్యం చేయడం సులభం అవుతుంది).
• R ఉపయోగించి, మేము తనిఖీ చేస్తున్న ఫీల్డ్‌ల కోసం చెల్లుబాటు అయ్యే పారామితులను ఏర్పరుస్తాము. — మేము సమాచార లేఖలో చొప్పించడానికి ఈ ఫీల్డ్‌ల విలువలను కలిగి ఉన్న వర్డ్ డాక్యుమెంట్‌ను సృష్టిస్తున్నాము, ఇది సహోద్యోగుల ప్రశ్నలకు సమాధానంగా ఉంటుంది “లేదు, కానీ నేను దీన్ని ఎలా పూరించాలి?”
• మేము R ఉపయోగించి csv నుండి అన్ని VMల కోసం డేటాను లోడ్ చేస్తాము, డేటాఫ్రేమ్‌ను సృష్టించండి, అనవసరమైన ఫీల్డ్‌లను తీసివేస్తాము మరియు అన్ని VMల కోసం సారాంశ సమాచారాన్ని కలిగి ఉన్న సమాచార xlsx పత్రాన్ని సృష్టిస్తాము, వీటిని మేము షేర్డ్ రిసోర్స్‌కి అప్‌లోడ్ చేస్తాము.
• మేము అన్ని VMల కోసం డేటాఫ్రేమ్‌కు ఫీల్డ్‌లను పూరించడం యొక్క ఖచ్చితత్వం కోసం అన్ని తనిఖీలను వర్తింపజేస్తాము మరియు తప్పుగా పూరించిన ఫీల్డ్‌లతో (మరియు ఈ ఫీల్డ్‌లు మాత్రమే) VMలను మాత్రమే కలిగి ఉన్న పట్టికను సృష్టిస్తాము.
• మేము VMల యొక్క ఫలిత జాబితాను మరొక PowerShell స్క్రిప్ట్‌కి పంపుతాము, ఇది VM సృష్టి ఈవెంట్‌ల కోసం vCenter లాగ్‌లను పరిశీలిస్తుంది, ఇది VM మరియు ఉద్దేశించిన సృష్టికర్త యొక్క సృష్టి యొక్క అంచనా సమయాన్ని సూచించడానికి మమ్మల్ని అనుమతిస్తుంది. ఇది ఎవరి కారు అని ఎవరూ అంగీకరించనప్పుడు ఇది జరుగుతుంది. ఈ స్క్రిప్ట్ త్వరగా పని చేయదు, ప్రత్యేకించి చాలా లాగ్‌లు ఉన్నట్లయితే, మేము గత 2 వారాలలో మాత్రమే చూస్తాము మరియు అదే సమయంలో అనేక VMలలో సమాచారాన్ని శోధించడానికి మిమ్మల్ని అనుమతించే వర్క్‌ఫ్లోను కూడా ఉపయోగిస్తాము. ఉదాహరణ స్క్రిప్ట్‌లో ఈ మెకానిజంపై వివరణాత్మక వ్యాఖ్యలు ఉన్నాయి. మేము ఫలితాన్ని csvకి జోడిస్తాము, దానిని మళ్లీ R లోకి లోడ్ చేస్తాము.
• మేము అందంగా ఆకృతీకరించిన xlsx పత్రాన్ని రూపొందిస్తాము, దీనిలో తప్పుగా పూరించిన ఫీల్డ్‌లు ఎరుపు రంగులో హైలైట్ చేయబడతాయి, కొన్ని నిలువు వరుసలకు ఫిల్టర్‌లు వర్తింపజేయబడతాయి మరియు ఉద్దేశించిన సృష్టికర్తలను కలిగి ఉన్న అదనపు నిలువు వరుసలు మరియు VM యొక్క సృష్టి సమయం సూచించబడతాయి.
• మేము ఒక ఇమెయిల్‌ను రూపొందిస్తాము, ఇక్కడ మేము చెల్లుబాటు అయ్యే ఫీల్డ్ విలువలను వివరించే పత్రాన్ని అలాగే ఫీల్డ్‌లలో తప్పుగా పూరించిన పట్టికను జతచేస్తాము. టెక్స్ట్‌లో మేము తప్పుగా సృష్టించిన మొత్తం VMల సంఖ్యను, భాగస్వామ్య వనరుకి లింక్ మరియు ప్రేరణాత్మక చిత్రాన్ని సూచిస్తాము. తప్పుగా పూరించిన VMలు లేకుంటే, సంతోషకరమైన ప్రేరణాత్మక చిత్రంతో మేము మరొక లేఖను పంపుతాము.
• మేము SQL సర్వర్ డేటాబేస్‌లోని అన్ని VMల కోసం డేటాను రికార్డ్ చేస్తాము, చారిత్రక పట్టికల యొక్క అమలు చేయబడిన మెకానిజంను పరిగణనలోకి తీసుకుంటాము (చాలా ఆసక్తికరమైన విధానం - దాని గురించి మరింత తరువాత)

నిజానికి స్క్రిప్ట్‌లు

ప్రధాన R కోడ్ ఫైల్

# Путь к рабочей директории (нужно для корректной работы через виндовый планировщик заданий)
setwd("C:ScriptsgetVm")
#### Подгружаем необходимые пакеты ####
library(tidyverse)
library(xlsx)
library(mailR)
library(rmarkdown)
##### Определяем пути к исходным файлам и другие переменные #####
source(file = "const.R", local = T, encoding = "utf-8")
# Проверяем существование файла со всеми ВМ и удаляем, если есть.
if (file.exists(filenameVmCreationRules)) {file.remove(filenameVmCreationRules)}
#### Создаём вордовский документ с допустимыми полями
render("VM_name_rules.Rmd",
output_format = word_document(),
output_file = filenameVmCreationRules)
# Проверяем существование файла со всеми ВМ и удаляем, если есть
if (file.exists(allVmXlsxPath)) {file.remove(allVmXlsxPath)}
#### Забираем данные по всем машинам через PowerShell скрипт. На выходе получим csv.
system(paste0("powershell -File ", getVmPsPath))
# Полный df
fullXslx_df <- allVmXlsxPath %>% 
read.csv2(stringsAsFactors = FALSE)
# Проверяем корректность заполненных полей
full_df <- fullXslx_df %>%
mutate(
# Сначала убираем все лишние пробелы и табуляции, потом учитываем разделитель запятую, потом проверяем вхождение в допустимые значения,
isSubsystemCorrect = Subsystem %>% 
gsub("[[:space:]]", "", .) %>% 
str_split(., ",") %>% 
map(function(x) (all(x %in% AllowedValues$Subsystem))) %>%
as.logical(),
isOwnerCorrect = Owner %in% AllowedValues$Owner,
isCategoryCorrect = Category %in% AllowedValues$Category,
isCreatorCorrect = (!is.na(Creator) & Creator != ''),
isCreation.DateCorrect = map(Creation.Date, IsDate)
)
# Проверяем существование файла со всеми ВМ и удаляем, если есть.
if (file.exists(filenameAll)) {file.remove(filenameAll)}
#### Формируем xslx файл с отчётом ####
# Общие данные на отдельный лист
full_df %>% write.xlsx(file=filenameAll,
sheetName=names[1],
col.names=TRUE,
row.names=FALSE,
append=FALSE)
#### Формируем xslx файл с неправильно заполненными полями ####
# Формируем df
incorrect_df <- full_df %>%
select(VM.Name, 
IP.s, 
Owner,
Subsystem,
Creator,
Category,
Creation.Date,
isOwnerCorrect, 
isSubsystemCorrect, 
isCategoryCorrect,
isCreatorCorrect,
vCenter.Name) %>%
filter(isSubsystemCorrect == F | 
isOwnerCorrect == F |
isCategoryCorrect == F |
isCreatorCorrect == F)
# Проверяем существование файла со всеми ВМ и удаляем, если есть.
if (file.exists(filenameIncVM)) {file.remove(filenameIncVM)}
# Сохраняем список VM с незаполненными полями в csv
incorrect_df %>%
select(VM.Name) %>%
write_csv2(path = filenameIncVM, append = FALSE)
# Фильтруем для вставки в почту
incorrect_df_filtered <- incorrect_df %>% 
select(VM.Name, 
IP.s, 
Owner, 
Subsystem, 
Category,
Creator,
vCenter.Name,
Creation.Date
)
# Считаем количество строк
numberOfRows <- nrow(incorrect_df)
#### Начало условия ####
# Дальше либо у нас есть неправильно заполненные поля, либо нет.
# Если есть - запускаем ещё один скрипт
if (numberOfRows > 0) {
# Проверяем существование файла с создателями и удаляем, если есть.
if (file.exists(creatorsFilePath)) {file.remove(creatorsFilePath)}
# Запускаем PowerShell скрипт, который найдёт создателей найденных VM. На выходе получим csv.
system(paste0("powershell -File ", getCreatorsPath))
# Читаем файл с создателями
creators_df <- creatorsFilePath %>%
read.csv2(stringsAsFactors = FALSE)
# Фильтруем для вставки в почту, добавляем данные из таблицы с создателями
incorrect_df_filtered <- incorrect_df_filtered %>% 
select(VM.Name, 
IP.s, 
Owner, 
Subsystem, 
Category,
Creator,
vCenter.Name,
Creation.Date
) %>% 
left_join(creators_df, by = "VM.Name") %>% 
rename(`Предполагаемый создатель` = CreatedBy, 
`Предполагаемая дата создания` = CreatedOn)  
# Формируем тело письма
emailBody <- paste0(
'<html>
<h3>Добрый день, уважаемые коллеги.</h3>
<p>Полную актуальную информацию по виртуальным машинам вы можете посмотреть на диске H: вот тут:<p>
<p>\server.ruVM', sourceFileFormat, '</p>
<p>Также во вложении список ВМ с <strong>некорректно заполненными</strong> полями. Всего их <strong>', numberOfRows,'</strong>.</p>
<p>В таблице появилось 2 дополнительные колонки. <strong>Предполагаемый создатель</strong> и <strong>Предполагаемая дата создания</strong>, которые достаются из логов vCenter за последние 2 недели</p>
<p>Просьба создателей машин уточнить данные и заполнить поля корректно. Правила заполнения полей также во вложении</p>
<p><img src="data/meme.jpg"></p>
</html>'
)
# Проверяем существование файла
if (file.exists(filenameIncorrect)) {file.remove(filenameIncorrect)}
# Формируем красивую таблицу с форматами и т.д.
source(file = "email.R", local = T, encoding = "utf-8")
#### Формируем письмо с плохо подписанными машинами ####
send.mail(from = emailParams$from,
to = emailParams$to,
subject = "ВМ с некорректно заполненными полями",
body = emailBody,
encoding = "utf-8",
html = TRUE,
inline = TRUE,
smtp = emailParams$smtpParams,
authenticate = TRUE,
send = TRUE,
attach.files = c(filenameIncorrect, filenameVmCreationRules),
debug = FALSE)
#### Дальше пойдёт блок, если нет проблем с ВМ ####
} else {
# Формируем тело письма
emailBody <- paste0(
'<html>
<h3>Добрый день, уважаемые коллеги</h3>
<p>Полную актуальную информацию по виртуальным машинам вы можете посмотреть на диске H: вот тут:<p>
<p>\server.ruVM', sourceFileFormat, '</p>
<p>Также, на текущий момент, все поля ВМ корректно заполнены</p>
<p><img src="data/meme_correct.jpg"></p>
</html>'
)
#### Формируем письмо без плохо заполненных VM ####
send.mail(from = emailParams$from,
to = emailParams$to,
subject = "Сводная информация",
body = emailBody,
encoding = "utf-8",
html = TRUE,
inline = TRUE,
smtp = emailParams$smtpParams,
authenticate = TRUE,
send = TRUE,
debug = FALSE)
}
####### Записываем данные в БД #####
source(file = "DB.R", local = T, encoding = "utf-8")

PowerShellలో vm జాబితాను పొందడానికి స్క్రిప్ట్

# Данные для подключения и другие переменные
$vCenterNames = @(
"vcenter01", 
"vcenter02", 
"vcenter03"
)
$vCenterUsername = "myusername"
$vCenterPassword = "mypassword"
$filename = "C:ScriptsgetVmdataallvmall-vm-$(get-date -f yyyy-MM-dd).csv"
$destinationSMB = "server.rumyfolder$vm"
$IP0=""
$IP1=""
$IP2=""
$IP3=""
$IP4=""
$IP5=""
# Подключение ко всем vCenter, что содержатся в переменной. Будет работать, если логин и пароль одинаковые (например, доменные)
Connect-VIServer -Server $vCenterNames -User $vCenterUsername -Password $vCenterPassword
write-host ""
# Создаём функцию с циклом по всем vCenter-ам
function Get-VMinventory {
# В этой переменной будет списко всех ВМ, как объектов
$AllVM = Get-VM | Sort Name
$cnt = $AllVM.Count
$count = 1
# Начинаем цикл по всем ВМ и собираем необходимые параметры каждого объекта
foreach ($vm in $AllVM) {
$StartTime = $(get-date)
$IP0 = $vm.Guest.IPAddress[0]
$IP1 = $vm.Guest.IPAddress[1]
$IP2 = $vm.Guest.IPAddress[2]
$IP3 = $vm.Guest.IPAddress[3]
$IP4 = $vm.Guest.IPAddress[4]
$IP5 = $vm.Guest.IPAddress[5]
If ($IP0 -ne $null) {If ($IP0.Contains(":") -ne 0) {$IP0=""}}
If ($IP1 -ne $null) {If ($IP1.Contains(":") -ne 0) {$IP1=""}}
If ($IP2 -ne $null) {If ($IP2.Contains(":") -ne 0) {$IP2=""}}
If ($IP3 -ne $null) {If ($IP3.Contains(":") -ne 0) {$IP3=""}}
If ($IP4 -ne $null) {If ($IP4.Contains(":") -ne 0) {$IP4=""}}
If ($IP5 -ne $null) {If ($IP5.Contains(":") -ne 0) {$IP5=""}}
$cluster = $vm | Get-Cluster | Select-Object -ExpandProperty name  
$Bootime = $vm.ExtensionData.Runtime.BootTime
$TotalHDDs = $vm.ProvisionedSpaceGB -as [int]
$CreationDate = $vm.CustomFields.Item("CreationDate") -as [string]
$Creator = $vm.CustomFields.Item("Creator") -as [string]
$Category = $vm.CustomFields.Item("Category") -as [string]
$Owner = $vm.CustomFields.Item("Owner") -as [string]
$Subsystem = $vm.CustomFields.Item("Subsystem") -as [string]
$IPS = $vm.CustomFields.Item("IP") -as [string]
$vCPU = $vm.NumCpu
$CorePerSocket = $vm.ExtensionData.config.hardware.NumCoresPerSocket
$Sockets = $vCPU/$CorePerSocket
$Id = $vm.Id.Split('-')[2] -as [int]
# Собираем все параметры в один объект
$Vmresult = New-Object PSObject
$Vmresult | add-member -MemberType NoteProperty -Name "Id" -Value $Id   
$Vmresult | add-member -MemberType NoteProperty -Name "VM Name" -Value $vm.Name  
$Vmresult | add-member -MemberType NoteProperty -Name "Cluster" -Value $cluster  
$Vmresult | add-member -MemberType NoteProperty -Name "Esxi Host" -Value $VM.VMHost  
$Vmresult | add-member -MemberType NoteProperty -Name "IP Address 1" -Value $IP0
$Vmresult | add-member -MemberType NoteProperty -Name "IP Address 2" -Value $IP1
$Vmresult | add-member -MemberType NoteProperty -Name "IP Address 3" -Value $IP2
$Vmresult | add-member -MemberType NoteProperty -Name "IP Address 4" -Value $IP3
$Vmresult | add-member -MemberType NoteProperty -Name "IP Address 5" -Value $IP4
$Vmresult | add-member -MemberType NoteProperty -Name "IP Address 6" -Value $IP5
$Vmresult | add-member -MemberType NoteProperty -Name "vCPU" -Value $vCPU
$Vmresult | Add-Member -MemberType NoteProperty -Name "CPU Sockets" -Value $Sockets
$Vmresult | Add-Member -MemberType NoteProperty -Name "Core per Socket" -Value $CorePerSocket
$Vmresult | add-member -MemberType NoteProperty -Name "RAM (GB)" -Value $vm.MemoryGB
$Vmresult | add-member -MemberType NoteProperty -Name "Total-HDD (GB)" -Value $TotalHDDs
$Vmresult | add-member -MemberType NoteProperty -Name "Power State" -Value $vm.PowerState
$Vmresult | add-member -MemberType NoteProperty -Name "OS" -Value $VM.ExtensionData.summary.config.guestfullname  
$Vmresult | Add-Member -MemberType NoteProperty -Name "Boot Time" -Value $Bootime
$Vmresult | add-member -MemberType NoteProperty -Name "VMTools Status" -Value $vm.ExtensionData.Guest.ToolsStatus  
$Vmresult | add-member -MemberType NoteProperty -Name "VMTools Version" -Value $vm.ExtensionData.Guest.ToolsVersion  
$Vmresult | add-member -MemberType NoteProperty -Name "VMTools Version Status" -Value $vm.ExtensionData.Guest.ToolsVersionStatus  
$Vmresult | add-member -MemberType NoteProperty -Name "VMTools Running Status" -Value $vm.ExtensionData.Guest.ToolsRunningStatus  
$Vmresult | add-member -MemberType NoteProperty -Name "Creation Date" -Value $CreationDate
$Vmresult | add-member -MemberType NoteProperty -Name "Creator" -Value $Creator
$Vmresult | add-member -MemberType NoteProperty -Name "Category" -Value $Category
$Vmresult | add-member -MemberType NoteProperty -Name "Owner" -Value $Owner
$Vmresult | add-member -MemberType NoteProperty -Name "Subsystem" -Value $Subsystem
$Vmresult | add-member -MemberType NoteProperty -Name "IP's" -Value $IPS
$Vmresult | add-member -MemberType NoteProperty -Name "vCenter Name" -Value $vm.Uid.Split('@')[1].Split(':')[0]  
# Считаем общее и оставшееся время выполнения и выводим на экран результаты. Использовалось для тестирования, но по факту оказалось очень удобно.
$elapsedTime = $(get-date) - $StartTime
$totalTime = "{0:HH:mm:ss}" -f ([datetime]($elapsedTime.Ticks*($cnt - $count)))
clear-host
Write-Host "Processing" $count "from" $cnt 
Write-host "Progress:" ([math]::Round($count/$cnt*100, 2)) "%" 
Write-host "You have about " $totalTime "for cofee"
Write-host ""
$count++
# Выводим результат, чтобы цикл "знал" что является результатом выполнения одного прохода
$Vmresult
}
}
# Вызываем получившуюся функцию и сразу выгружаем результат в csv
$allVm = Get-VMinventory | Export-CSV -Path $filename -NoTypeInformation -UseCulture -Force
# Пытаемся выложить полученный файл в нужное нам место и, в случае ошибки, пишем лог.
try
{
Copy-Item $filename -Destination $destinationSMB -Force -ErrorAction SilentlyContinue
}
catch
{
$error | Export-CSV -Path $filename".error" -NoTypeInformation -UseCulture -Force
}

వర్చువల్ మిషన్ల సృష్టికర్తలు మరియు వాటిని సృష్టించిన తేదీని లాగ్‌ల నుండి సంగ్రహించే పవర్‌షెల్ స్క్రిప్ట్

# Путь к файлу, из которого будем доставать список VM
$VMfilePath = "C:ScriptsgetVmcreators_VMcreators_VM_$(get-date -f yyyy-MM-dd).csv"
# Путь к файлу, в который будем записывать результат
$filePath = "C:ScriptsgetVmdatacreatorscreators-$(get-date -f yyyy-MM-dd).csv"
# Создаём вокрфлоу
Workflow GetCreators-Wf
{
# Параметры, которые можно будет передать при вызове скрипта
param([string[]]$VMfilePath)
# Параметры, которые доступны только внутри workflow
$vCenterUsername = "myusername"
$vCenterPassword = "mypassword"
$daysToLook = 14
$start = (get-date).AddDays(-$daysToLook)
$finish = get-date
# Значения, которые будут вписаны в csv для машин, по которым не будет ничего найдено
$UnknownUser = "UNKNOWN"
$UnknownCreatedTime = "0000-00-00"
# Определяем параметры подключения и выводной файл, которые будут доступны во всём скрипте.
$vCenterNames = @(
"vcenter01", 
"vcenter02", 
"vcenter03"
)
# Получаем список VM из csv и загружаем соответствующие объекты
$list = Import-Csv $VMfilePath -UseCulture | select -ExpandProperty VM.Name
# Цикл, который будет выполняться параллельно (по 5 машин за раз)
foreach -parallel ($row in $list)
{
# Это скрипт, который видит только свои переменные и те, которые ему переданы через $Using
InlineScript {
# Время начала выполнения отдельного блока
$StartTime = $(get-date)
Write-Host ""
Write-Host "Processing $Using:row started at $StartTime"
Write-Host ""
# Подключение оборачиваем в переменную, чтобы информация о нём не мешалась в консоли
$con = Connect-VIServer -Server $Using:vCenterNames -User $Using:vCenterUsername -Password $Using:vCenterPassword
# Получаем объект vm
$vm = Get-VM -Name $Using:row
# Ниже 2 одинаковые команды. Одна с фильтром по времени, вторая - без. Можно пользоваться тем,
$Event = $vm | Get-VIEvent -Start $Using:start -Finish $Using:finish -Types Info | Where { $_.Gettype().Name -eq "VmBeingDeployedEvent" -or $_.Gettype().Name -eq "VmCreatedEvent" -or $_.Gettype().Name -eq "VmRegisteredEvent" -or $_.Gettype().Name -eq "VmClonedEvent"}
# $Event = $vm | Get-VIEvent -Types Info | Where { $_.Gettype().Name -eq "VmBeingDeployedEvent" -or $_.Gettype().Name -eq "VmCreatedEvent" -or $_.Gettype().Name -eq "VmRegisteredEvent" -or $_.Gettype().Name -eq "VmClonedEvent"}
# Заполняем параметры в зависимости от того, удалось ли в логах найти что-то
If (($Event | Measure-Object).Count -eq 0){
$User = $Using:UnknownUser
$Created = $Using:UnknownCreatedTime
$CreatedFormat = $Using:UnknownCreatedTime
} Else {
If ($Event.Username -eq "" -or $Event.Username -eq $null) {
$User = $Using:UnknownUser
} Else {
$User = $Event.Username
} # Else
$CreatedFormat = $Event.CreatedTime
# Один из коллег отдельно просил, чтобы время было в таком формате, поэтому дублируем его. А в БД пойдёт нормальный формат.
$Created = $Event.CreatedTime.ToString('yyyy-MM-dd')
} # Else
Write-Host "Creator for $vm is $User. Creating object."
# Создаём объект. Добавляем параметры.
$Vmresult = New-Object PSObject
$Vmresult | add-member -MemberType NoteProperty -Name "VM Name" -Value $vm.Name  
$Vmresult | add-member -MemberType NoteProperty -Name "CreatedBy" -Value $User
$Vmresult | add-member -MemberType NoteProperty -Name "CreatedOn" -Value $CreatedFormat
$Vmresult | add-member -MemberType NoteProperty -Name "CreatedOnFormat" -Value $Created           
# Выводим результаты
$Vmresult
} # Inline
} # ForEach
}
$Creators = GetCreators-Wf $VMfilePath
# Записываем результат в файл
$Creators | select 'VM Name', CreatedBy, CreatedOn | Export-Csv -Path $filePath -NoTypeInformation -UseCulture -Force
Write-Host "CSV generetion finisghed at $(get-date). PROFIT"

లైబ్రరీ ప్రత్యేక శ్రద్ధ అవసరం xlsx, ఇది అక్షరానికి అటాచ్‌మెంట్‌ను స్పష్టంగా ఫార్మాట్ చేయడాన్ని సాధ్యం చేసింది (నిర్వహణకు నచ్చినట్లు), మరియు కేవలం CSV పట్టిక మాత్రమే కాదు.

మెషీన్లలో తప్పుగా నింపబడిన జాబితాతో అందమైన xlsx పత్రాన్ని రూపొందిస్తోంది

# Создаём новую книгу
# Возможные значения : "xls" и "xlsx"
wb<-createWorkbook(type="xlsx")
# Стили для имён рядов и колонок в таблицах
TABLE_ROWNAMES_STYLE <- CellStyle(wb) + Font(wb, isBold=TRUE)
TABLE_COLNAMES_STYLE <- CellStyle(wb) + Font(wb, isBold=TRUE) +
Alignment(wrapText=TRUE, horizontal="ALIGN_CENTER") +
Border(color="black", position=c("TOP", "BOTTOM"), 
pen=c("BORDER_THIN", "BORDER_THICK"))
# Создаём новый лист
sheet <- createSheet(wb, sheetName = names[2])
# Добавляем таблицу
addDataFrame(incorrect_df_filtered, 
sheet, startRow=1, startColumn=1,  row.names=FALSE, byrow=FALSE,
colnamesStyle = TABLE_COLNAMES_STYLE,
rownamesStyle = TABLE_ROWNAMES_STYLE)
# Меняем ширину, чтобы форматирование было автоматическим
autoSizeColumn(sheet = sheet, colIndex=c(1:ncol(incorrect_df)))
# Добавляем фильтры
addAutoFilter(sheet, cellRange = "C1:G1")
# Определяем стиль
fo2 <- Fill(foregroundColor="red")
cs2 <- CellStyle(wb, 
fill = fo2, 
dataFormat = DataFormat("@"))
# Находим ряды с неверно заполненным полем Владельца и применяем к ним определённый стиль
rowsOwner <- getRows(sheet, rowIndex = (which(!incorrect_df$isOwnerCorrect) + 1))
cellsOwner <- getCells(rowsOwner, colIndex = which( colnames(incorrect_df_filtered) == "Owner" )) 
lapply(names(cellsOwner), function(x) setCellStyle(cellsOwner[[x]], cs2))
# Находим ряды с неверно заполненным полем Подсистемы и применяем к ним определённый стиль
rowsSubsystem <- getRows(sheet, rowIndex = (which(!incorrect_df$isSubsystemCorrect) + 1))
cellsSubsystem <- getCells(rowsSubsystem, colIndex = which( colnames(incorrect_df_filtered) == "Subsystem" )) 
lapply(names(cellsSubsystem), function(x) setCellStyle(cellsSubsystem[[x]], cs2))
# Аналогично по Категории
rowsCategory <- getRows(sheet, rowIndex = (which(!incorrect_df$isCategoryCorrect) + 1))
cellsCategory <- getCells(rowsCategory, colIndex = which( colnames(incorrect_df_filtered) == "Category" )) 
lapply(names(cellsCategory), function(x) setCellStyle(cellsCategory[[x]], cs2))
# Создатель
rowsCreator <- getRows(sheet, rowIndex = (which(!incorrect_df$isCreatorCorrect) + 1))
cellsCreator <- getCells(rowsCreator, colIndex = which( colnames(incorrect_df_filtered) == "Creator" )) 
lapply(names(cellsCreator), function(x) setCellStyle(cellsCreator[[x]], cs2))
# Сохраняем файл
saveWorkbook(wb, filenameIncorrect)

అవుట్‌పుట్ ఇలా కనిపిస్తుంది:

విండోస్ షెడ్యూలర్‌ను సెటప్ చేయడం గురించి ఆసక్తికరమైన స్వల్పభేదం కూడా ఉంది. సరైన హక్కులు మరియు సెట్టింగ్‌లను కనుగొనడం అసాధ్యం, తద్వారా ప్రతిదీ సరిగ్గా ప్రారంభమవుతుంది. ఫలితంగా, R లైబ్రరీ కనుగొనబడింది, ఇది R స్క్రిప్ట్‌ను ప్రారంభించటానికి ఒక పనిని సృష్టిస్తుంది మరియు లాగ్ ఫైల్ గురించి కూడా మర్చిపోదు. అప్పుడు మీరు పనిని మానవీయంగా సరిచేయవచ్చు.

Windows షెడ్యూలర్‌లో టాస్క్‌ని సృష్టించే రెండు ఉదాహరణలతో R కోడ్ ముక్క

library(taskscheduleR)
myscript <- file.path(getwd(), "all_vm.R")
## запускаем скрипт через 62 секунды
taskscheduler_create(taskname = "getAllVm", rscript = myscript, 
schedule = "ONCE", starttime = format(Sys.time() + 62, "%H:%M"))
## запускаем скрипт каждый день в 09:10
taskscheduler_create(taskname = "getAllVmDaily", rscript = myscript, 
schedule = "WEEKLY", 
days = c("MON", "TUE", "WED", "THU", "FRI"),
starttime = "02:00")
## удаляем задачи
taskscheduler_delete(taskname = "getAllVm")
taskscheduler_delete(taskname = "getAllVmDaily")
# Смотрим логи (последние 4 строчки)
tail(readLines("all_vm.log"), sep ="n", n = 4)

డేటాబేస్ గురించి విడిగా

స్క్రిప్ట్‌ను సెటప్ చేసిన తర్వాత, ఇతర సమస్యలు కనిపించడం ప్రారంభించాయి. ఉదాహరణకు, నేను VM తొలగించబడిన తేదీని కనుగొనాలనుకున్నాను, కానీ vCenterలోని లాగ్‌లు ఇప్పటికే అరిగిపోయాయి. స్క్రిప్ట్ ప్రతిరోజూ ఫైల్‌లను ఫోల్డర్‌లో ఉంచుతుంది మరియు దానిని శుభ్రం చేయదు కాబట్టి (మనకు గుర్తున్నప్పుడు మేము దానిని మా చేతులతో శుభ్రం చేస్తాము), మీరు పాత ఫైల్‌లను పరిశీలించి, ఈ VM లేని మొదటి ఫైల్‌ను కనుగొనవచ్చు. కానీ అది చల్లగా లేదు.

నేను హిస్టారికల్ డేటాబేస్‌ని క్రియేట్ చేయాలనుకున్నాను.

MS SQL SERVER యొక్క కార్యాచరణ - సిస్టమ్-వెర్షన్డ్ టెంపోరల్ టేబుల్ - రక్షించబడింది. ఇది సాధారణంగా తాత్కాలిక (తాత్కాలిక కాదు) పట్టికలుగా అనువదించబడుతుంది.

మీరు ఇక్కడ వివరంగా చదువుకోవచ్చు అధికారిక Microsoft డాక్యుమెంటేషన్.

సంక్షిప్తంగా, మేము పట్టికను సృష్టిస్తాము, మేము దానిని సంస్కరణతో కలిగి ఉంటాము మరియు SQL సర్వర్ ఈ పట్టికలో 2 అదనపు డేట్‌టైమ్ నిలువు వరుసలను (రికార్డ్ సృష్టించబడిన తేదీ మరియు రికార్డ్ యొక్క గడువు తేదీ) మరియు మారే అదనపు పట్టికను సృష్టిస్తుంది. వ్రాయబడుతుంది. ఫలితంగా, మేము తాజా సమాచారాన్ని అందుకుంటాము మరియు సాధారణ ప్రశ్నల ద్వారా, డాక్యుమెంటేషన్‌లో ఇవ్వబడిన ఉదాహరణలు, మేము నిర్దిష్ట వర్చువల్ మెషీన్ యొక్క జీవిత చక్రాన్ని లేదా ఒక నిర్దిష్ట సమయంలో అన్ని VMల స్థితిని చూడవచ్చు. సమయం లో.

పనితీరు దృక్కోణంలో, తాత్కాలిక పట్టికకు వ్రాత లావాదేవీ పూర్తయ్యే వరకు ప్రధాన పట్టికకు వ్రాసే లావాదేవీ పూర్తి కాదు. ఆ. పెద్ద సంఖ్యలో వ్రాత కార్యకలాపాలు ఉన్న పట్టికలలో, ఈ కార్యాచరణను జాగ్రత్తగా అమలు చేయాలి, కానీ మా విషయంలో ఇది నిజంగా మంచి విషయం.

మెకానిజం సరిగ్గా పని చేయడానికి, నేను R లో ఒక చిన్న కోడ్ ముక్కను జోడించాల్సి వచ్చింది, అది డేటాబేస్‌లో నిల్వ చేయబడిన దానితో అన్ని VMల కోసం డేటాతో కొత్త పట్టికను సరిపోల్చుతుంది మరియు దానికి మార్చబడిన అడ్డు వరుసలను మాత్రమే వ్రాయండి. కోడ్ ముఖ్యంగా తెలివైనది కాదు; ఇది compareDF లైబ్రరీని ఉపయోగిస్తుంది, కానీ నేను దానిని కూడా క్రింద ప్రదర్శిస్తాను.

డేటాబేస్కు డేటాను వ్రాయడానికి R కోడ్

# Подцепляем пакеты
library(odbc)
library(compareDF)
# Формируем коннект
con <- dbConnect(odbc(),
Driver = "ODBC Driver 13 for SQL Server",
Server = DBParams$server,
Database = DBParams$database,
UID = DBParams$UID,
PWD = DBParams$PWD,
Port = 1433)
#### Проверяем есть ли таблица. Если нет - создаём. ####
if (!dbExistsTable(con, DBParams$TblName)) {
#### Создаём таблицу ####
create <- dbSendStatement(
con,
paste0(
'CREATE TABLE ',
DBParams$TblName,
'(
[Id] [int] NOT NULL PRIMARY KEY CLUSTERED,
[VM.Name] [varchar](255) NULL,
[Cluster] [varchar](255) NULL,
[Esxi.Host] [varchar](255) NULL,
[IP.Address.1] [varchar](255) NULL,
[IP.Address.2] [varchar](255) NULL,
[IP.Address.3] [varchar](255) NULL,
[IP.Address.4] [varchar](255) NULL,
[IP.Address.5] [varchar](255) NULL,
[IP.Address.6] [varchar](255) NULL,
[vCPU] [int] NULL,
[CPU.Sockets] [int] NULL,
[Core.per.Socket] [int] NULL,
[RAM..GB.] [int] NULL,
[Total.HDD..GB.] [int] NULL,
[Power.State] [varchar](255) NULL,
[OS] [varchar](255) NULL,
[Boot.Time] [varchar](255) NULL,
[VMTools.Status] [varchar](255) NULL,
[VMTools.Version] [int] NULL,
[VMTools.Version.Status] [varchar](255) NULL,
[VMTools.Running.Status] [varchar](255) NULL,
[Creation.Date] [varchar](255) NULL,
[Creator] [varchar](255) NULL,
[Category] [varchar](255) NULL,
[Owner] [varchar](255) NULL,
[Subsystem] [varchar](255) NULL,
[IP.s] [varchar](255) NULL,
[vCenter.Name] [varchar](255) NULL,
DateFrom datetime2 GENERATED ALWAYS AS ROW START NOT NULL,
DateTo datetime2 GENERATED ALWAYS AS ROW END NOT NULL,
PERIOD FOR SYSTEM_TIME (DateFrom, DateTo)
) ON [PRIMARY]
WITH (SYSTEM_VERSIONING = ON (HISTORY_TABLE = ', DBParams$TblHistName,'));'
)
)
# Отправляем подготовленный запрос
dbClearResult(create)
} # if
#### Начало работы с таблицей ####
# Обозначаем таблицу, с которой будем работать
allVM_db_con <- tbl(con, DBParams$TblName) 
#### Сравниваем таблицы ####
# Собираем данные с таблицы (убираем служебные временные поля)
allVM_db <- allVM_db_con %>% 
select(c(-"DateTo", -"DateFrom")) %>% 
collect()
# Создаём таблицу со сравнением объектов. Сравниваем по Id
# Удалённые объекты там будут помечены через -, созданные через +, изменённые через - и +
ctable_VM <- fullXslx_df %>% 
compare_df(allVM_db, 
c("Id"))
#### Удаление строк ####
# Выдираем Id виртуалок, записи о которых надо удалить 
remove_Id <- ctable_VM$comparison_df %>% 
filter(chng_type == "-") %>%
select(Id)
# Проверяем, что есть записи (если записей нет - и удалять ничего не нужно)
if (remove_Id %>% nrow() > 0) {
# Конструируем шаблон для запроса на удаление данных
delete <- dbSendStatement(con, 
paste0('
DELETE 
FROM ',
DBParams$TblName,
' WHERE "Id"=?
') # paste
) # send
# Создаём запрос на удаление данных
dbBind(delete, remove_Id)
# Отправляем подготовленный запрос
dbClearResult(delete)
} # if
#### Добавление строк ####
# Выделяем таблицу, содержащую строки, которые нужно добавить.
allVM_add <- ctable_VM$comparison_df %>% 
filter(chng_type == "+") %>% 
select(-chng_type)
# Проверяем, есть ли строки, которые нужно добавить и добавляем (если нет - не добавляем)
if (allVM_add %>% nrow() > 0) {
# Пишем таблицу со всеми необходимыми данными
dbWriteTable(con,
DBParams$TblName,
allVM_add,
overwrite = FALSE,
append = TRUE)
} # if
#### Не забываем сделать дисконнект ####
dbDisconnect(con)

మొత్తం

స్క్రిప్ట్ అమలు ఫలితంగా, కొన్ని నెలల్లో ఆర్డర్ పునరుద్ధరించబడింది మరియు నిర్వహించబడుతుంది. కొన్నిసార్లు తప్పుగా పూరించిన VMలు కనిపిస్తాయి, కానీ స్క్రిప్ట్ మంచి రిమైండర్‌గా పనిచేస్తుంది మరియు అరుదైన VM వరుసగా 2 రోజుల పాటు జాబితాలోకి వస్తుంది.

చారిత్రక డేటాను విశ్లేషించడానికి కూడా గ్రౌండ్‌వర్క్ చేయబడింది.

ఇందులో ఎక్కువ భాగం మోకాలిపై కాకుండా ప్రత్యేక సాఫ్ట్‌వేర్‌తో అమలు చేయవచ్చని స్పష్టంగా తెలుస్తుంది, అయితే పని ఆసక్తికరంగా ఉంది మరియు ఐచ్ఛికం అని చెప్పవచ్చు.

R మరోసారి అద్భుతమైన సార్వత్రిక భాషగా చూపబడింది, ఇది గణాంక సమస్యలను పరిష్కరించడానికి మాత్రమే కాకుండా, ఇతర డేటా మూలాల మధ్య అద్భుతమైన "లేయర్" వలె పనిచేస్తుంది.

మూలం: www.habr.com