跳到主要内容

自动发现

提示

自动发现正如其字面意思，就是自动的去发现各种各样的运维资源，资源的变更能及时的反馈到CMDB里，降低了人力维护数据的成本。
自动发现的建设一般分为3步: 创建自动发现规则、模型关联自动发现规则、执行自动发现。接下来我们对这3步进行简要的阐述。

创建自动发现规则​

请通过“后台管理/自动发现”进入自动发现规则配置页面。

new_custom_plugin

维易开源CMDB的自动发现规则主要包括3大类:

内置插件和自定义插件​

内置插件是把物理机、虚拟机、硬盘、网卡的发现内置到了OneAgent（注：维易统一运维探针OneAgent，可在官网免费申请https://veops.cn）里。点开内置插件的自动发现规则，呈现的是采集的属性列表，如下图所示：

auto_discovery01

自定义插件实际上是可以实现其他所有采集需求的，比如MySQL、Nginx、Tomcat等常用的一些软件自动发现，实现一个自定义的插件很简单，就是一段python脚本:

create_plugin
# -*- coding:utf-8 -*-

import json


class AutoDiscovery(object):

    @property
    def unique_key(self):
        """

        :return: 返回唯一属性的名字
        """
        return

    @staticmethod
    def attributes():
        """
        定义属性字段
        :return: 返回属性字段列表, 列表项是(名称, 类型, 描述), 名称必须是英文
        类型: String Integer Float Date DateTime Time JSON
        例如:
        return [
            ("ci_type", "String", "模型名称"),
            ("private_ip", "String", "内网IP, 多值逗号分隔")
        ]
        """
        return []

    @staticmethod
    def run():
        """
        执行入口, 返回采集的属性值
        :return: 返回一个列表, 列表项是字典, 字典key是属性名称, value是属性值
        例如:
        return [dict(ci_type="server", private_ip="192.168.1.1")]
        """
        return []


if __name__ == "__main__":
    result = AutoDiscovery().run()
    if isinstance(result, list):
        print("AutoDiscovery::Result::{}".format(json.dumps(result)))
    else:
        print("ERROR: 采集返回必须是列表")
信息

采集的属性必须包含模型的唯一属性，否则无法完成入库。

网络设备的自动发现​

这个发现能力同样内置在OneAgent里，通过SNMP等网络协议去采集网络设备，目前实现的主要包括交换机、路由器、防火墙、打印机。

auto_discovery02

公有云、私有云资源的发现​

信息

公有云、私有云资源的自动发现为企业版功能。

通过对接云厂商的开放API，主动定时轮训的方式去获取云资源，目前集成了阿里云、腾讯云、华为云、AWS、VCenter、KVM等云主机的自动发现，后续会扩充云资源的发现。当然如果本身在云主机上部署了OneAgent，实际上也是可以用内置的虚拟机的自动发现插件来进行采集。

公有云AccessKey配置​

如下图所示，可以统一配置管理公有云AccessKey，

AccessKey

VCenter账号配置​

如下图所示，可以统一配置管理VCenter 账号，

VCenter_account

模型关联自动发现规则​

模型属性自动发现​

首先打开菜单 【模型配置】，进入到模型（如网卡）的“自动发现”页面，点击“添加”按钮，在弹出的自动发现规则列表中选择“网卡”自动发现规则，并点击“确定”按钮提交，即可将模型关联自动发现规则。

add_auto_rule
auto_rules

以网卡为例进行说明，主要包括属性映射和执行配置:
1) 属性映射
关联上内置的网卡自动发现规则后，模型的属性名和自动发现规则的属性名会进行自动匹配，如果名字不一样则需要人工来匹配。实际上每个模型可以应用多个自动发现规则，每个规则里可能采集了模型的部分属性。

property_mapping

2) 执行配置 首先指定自动发现规则执行的目标机器，可以的选项有：

  1. Master机器：安装OneMaster的所在机器
信息

master机器不支持发现服务器类的数据如物理机、虚拟机、网卡、硬盘等。

  1. 所有节点：比如物理机、虚拟机等，但是必须管理员才能配置为所有节点。
  2. 具体的某个节点：比如公有云资源的自动发现或者网络设备的自动发现，都是指定具体的某个节点去执行的。
  3. 从CMDB里选择：比如网卡，可以选择CMDB里所有的物理机去执行。
auto_discovery03

其次可选择是否自动入库，一般来说自动发现的准确率如果接近100%，那么可以直接选择自动入库，即自动发现的实例会直接入库为CI。如果选择不自动入库，实例会先进入自动发现资源池，然后需要人工批量入库为CI。

3) 采集频率 用户可自行配置采集频率，支持cron设置，如下图所示：

collection_frequency

4) 公有云AccessKey 如果关联了公有云自动发现规则，需要填写公有云的AccessKey：

AccessKey01

如上图所示，除了自定义输入key、secret外，还支持从已有配置中选择，可以通过上文公有云AccessKey配置管理已有配置：

AccessKey02

5) VCenter vSphere API配置 如果关联了 VCenter自动发现规则，需要填写vSphere API配置：

sphere_api01

如上图所示，除了自定义输入外，还支持从已有配置中选择，可以通过上文VCenter账号配置管理已有配置：

sphere_api02

6) 健康检查

信息

查看发现规则在执行机器上的同步状态，系统每5分钟同步一次，若状态为异常，可查看可能的问题

可通过点击“执行机器同步规则检查”，来查看Agent是否在线：

health_check

如果Agent状态为下线，请按以下操作检查Agent:

  1. 检查OneAgent进程是否存活
  2. 查看OneAgent的日志，每5分钟有自动发现规则同步的日志

关系自动发现​

信息
  1. 关系自动发现的前提是配置有属性自动发现
  2. 当自动发现属性值与关联模型属性值一致时，两实例模型则自动关联
  3. 如果自动发现的属性值是列表，则会和关联模型建立多个关系。如自动发现属性值为[1,2,3]，采集数据入库成CI后便会和关联模型属性值为1、2、3的CI分别都自动建立关联。

关系自动发现支持多属性， 即可和多个模型自动构建关系。

auto_relation

如上图所示，左侧可选择自动发现属性列表（自动发现属性列表来源于已保存的属性自动发现规则），右侧可配置关联模型属性。点击右侧按钮“+”即可配置多个关系自动发现规则。
以网卡为例进行说明：如下图所示，只需配置网卡采集的属性sn(物理机的序列号，实际上对网卡模型来说是冗余字段)和物理机模型的序列号建立关系即可，当采集上来的网卡入库CMDB时，会用字段来建立和物理机之间的关系

auto_discovery04

执行自动发现​

模型关联好自动发现规则之后，OneAgent会自动定时同步其所在节点的自动发现规则，然后执行自动发现规则，如果采集的数据和上一次采集有异同，则推送数据到服务端。
自动发现采集到的数据将会展示在自动发现池中，点击并进入系统左侧菜单“自动发现池”，然后点击关联了自动发现规则的模型（如网卡），即可在左侧表格中查看到自动采集的数据，如下图所示：

auto_discovery_pool

在自动发现池中，页面顶部展示了一些统计字段，如规则数（当前模型所配置的属性自动发现规则和关系自动发现规则的总数）、执行机器数、自动发现资源数、入库数、本周新增、本月新增等。页面下方以表格形式展示了自动发现的所有资源详情，除了可以查看属性详情、是否入库、入库时间、入库人等字段外，用户还可以进行入库单个数据、批量入库成CI的操作。
点击右上角的“日志”按钮，即可查看到采集报错信息，新增、删除和入库资源的时间等信息。

auto_log

针对未开启自动入库的数据，在自动发现池中，用户可以对未入库数据手动批量入库成为CI实例。

实例演示：通过自定义插件完成数据的自动发现​

接下来通过一个自定义插件的自动发现规则来演示维易CMDB自动发现数据的全过程。

1. 创建自定义插件​

请通过“后台管理/自动发现”进入自动发现规则配置页面。

new_custom_plugin

点击插件下方“+”图标，进入到新增插件页面，填写名称、图标，模式选择“plugin”，采集设置提供了一段python示例代码。
模板中的AutoDiscovery类中有三个方法分别是：unique_key、attributes、run。我们需要按照模板中约定的格式将所需数据通过return进行返回。

# -*- coding:utf-8 -*-

import json


class AutoDiscovery(object):

    @property
    def unique_key(self):
        """

        :return: Returns the name of a unique attribute
        """
        return 'instance_id'

    @staticmethod
    def attributes():
        """
        Define attribute fields
        :return: Returns a list of attribute fields. The list items are (name, type, description). The name must be in English.
        type: String Integer Float Date DateTime Time JSON
        For example:
        return [
            ("ci_type", "String", "CIType name"),
            ("private_ip", "String", "Internal IP, multiple values separated by commas")
        ]
        """
        return [
            ("instance_id", "String", "实例ID"),
            ("private_ip", "String", "内网IP"),
        ]

    @staticmethod
    def run():
        """
        Execution entry, returns collected attribute values
        :return:
        Returns a list, the list item is a dictionary, the dictionary key is the attribute name, and the value is the attribute value
        For example:
        return [dict(ci_type="server", private_ip="192.168.1.1")]
        """
        return [
            dict(instance_id="cmdb_ui", private_ip="192.168.1.1"),
            dict(instance_id="cmdb_api", private_ip="192.168.1.2"),
            dict(instance_id="cmdb_db", private_ip="192.168.1.3")
        ]



if __name__ == "__main__":
    result = AutoDiscovery().run()
    if isinstance(result, list):
        print("AutoDiscovery::Result::{}".format(json.dumps(result)))
    else:
        print("ERROR: The collection return must be a list")

按照上方示例将python采集代码填写完成后，点击按钮“更新字段”，脚本中attributes方法返回的属性列表会被展示在下方表格中。如下图所示：

auto_plugin

点击“保存”，成功新建自定义插件。如上图所示，我们新建了一个名为“docker”的自定义插件。

2. 模型关联自定义插件​

用户打开菜单“模型配置”，选中模型（如docker），打开tab页“自动发现”，通过“添加”按钮，将自定义插件docker与模型关联。

add_auto_rule02
add_docker_rule
add_docker_rule02

可参考上文模型属性自动发现完成执行配置的填写。最后点击“保存”按钮。便完成了模型docker与自定义插件docker的关联，OneAgent会自动按照采集频率同步其所在节点的自动发现规则。

3. 配置关系自动发现规则​

按照上一步保存了属性自动发现后，切换到tab页“关系自动发现”，配置关系自动发现规则，如下图所示：自动发现属性我们选择了“private_ip”，关联模型属性则是选择了物理机的属性“private_ip”

auto_relation_demo

点击保存即可完成关系自动发现的配置。当自动发现资源的private_ip属性值与物理机实例中private_ip属性值一致时，便会自动完成关联。

4. 查看自动发现采集数据​

点击并进入系统左侧菜单“自动发现池”，选中模型（如docker），即可在右侧表格中查看到自动采集的数据，如下图所示：

entry_ci