设备ARP条目数 ****************** 获取交换的交换机ARP数目。 采集侧 ================= 采集原理 ~~~~~~~~~ 采集器通过周期性地登录设备执行命令，然后解析返回，提取出ARP条目数。 .. tip:: *为避免开发工作量比较大，目前只需要实现思科Nexus、H3C、Huawei几个品牌的抓取即可。* .. attention:: *不同的交换机需要执行的命令不一样，有时候统一品牌的不通软件版本也略有差异。输出的结果也是各不相同的。需要区别对待。* 采集任务参数配置要求 ~~~~~~~~~~~~~~~~~~~~~~~ .. list-table:: :widths: auto :stub-columns: 1 :align: left * - **采集方式** - SSH模拟登陆 * - **执行的命令** - #. H3C: ``display arp count`` #. Huawei: ``display arp statistics`` #. CISCO_NEXUS: ``show ip arp summary | in Total`` #. CISCO_CATALYST: ``show ip arp summary`` #. RuiJie: ``show ip arp | in Total`` #. Juniper: ``show arp | match Total`` * - **返回值** - #. H3C: ``Total number of entries: {ARP条目数}`` #. Huawei: ``Dynamic: {ARP条目数} (Resolved: [num] Incomplete: [num]) Static: [num]`` #. CISCO_NEXUS: ``Total : {ARP条目数}`` #. CISCO_CATALYST: ``{ARP条目数} IP ARP entries, with [num] of them incomplete`` #. RuiJie: ``Total number of ARP entries: {ARP条目数}`` #. Juniper: ``Total entries: {ARP条目数}`` * - **采集超时时间** - 默认20000ms * - **采集周期** - 次/30min * - **配置筛选条件** - #. 业务线 #. 区域(地域) #. 机房 #. POD #. 业务属性（服务角色） #. 设备角色 #. 设备IP、IP地址段 * - **特殊要求** - #. 使用同一机房的采集去采集该机房的ARP数目，如果该机房没有采集器，使用一组指定的默认采集器去采集 #. 支持手动指定某一些IP地址（ip地址段）使用特定的采集器 任务筛选条件的互斥关系 ~~~~~~~~~~~~~~~~~~~~~~~~ a. 机房--POD--设备IP，存在父子关系，当父节点未被选中或者是多选状态下，子节点不能继续选择；当且仅当机房、POD、同时处于单选状态下方可继续选择设备IP； #. 区域--机房，存在父子关系，当父节点未被选中或者是多选状态下，子节点不能继续选择； #. 设备IP地址仅仅可以在没有任何其他项勾选的情况下，才可以支持手工输入多个IP地址，或者多个地址段； 任务处理流程 ~~~~~~~~~~~~~~ a. 从筛选条件中筛选出符合要求的设备；设备优先使用带内IP地址作为目标地址去采集，如果没有带内地址，则使用带外去采集。 #. 将筛选出的设备，设置采集周期； #. 对上述设备执行下发任务至指定的采集节点（包括人工指定，和按同一个机房使用本机房的采集器两种方式，后一种为默认行为）； #. 对于不能通过自动下发任务至同机房采集器的任务，下发任务至默认的采集器去采集； #. 采集器执行SSH登录执行命令任务，当请求报文发出去之后。如果超时时间内（默认 2000ms）没有收到返回，认为登录超时，此时刻没有数据。如果有返回，将返回值做预处理。 采集值预处理 ~~~~~~~~~~~~~~~~ 采集会有二类情形，一是ssh登录设备超时，没有取回结果；二是登录成功且获取回数据。 a. 如果ssh登录设备超时，则本次采集为空，即这个时刻没有采集数据，不做任何数据的补充，不能标记为0值等； #. 解析返回值，取出返回值中的 ``ARP条目数`` ，记为 :math:`C_{used}` #. 从CMDB中获取对应设备的ARP可用总数目，记为 :math:`C_{total}` #. 计算出使用率， 即 :math:`C_{used} \over C_{total}` 数据染色 ~~~~~~~~~~~~~~~~ 对每条采集数据，染色如下。 a. 时间戳（采集时间） #. 业务线 #. 区域(地域) #. 机房 #. POD #. 房间 #. 机柜 #. 业务属性（服务角色） #. 设备角色 #. 带内管理IP #. 带外管理IP #. 设备名 #. 厂商 #. 设备品牌 #. 设备型号 #. 设备流程状态 #. ARP使用率 #. ARP使用条目 设备ARP条目采集示例 ~~~~~~~~~~~~~~~~~~~~~~~~ 如下是一台华为设备的ARP条目数的抓取信息，执行命令display arp statistics，输出结果选取: Dynamic: ``19465`` 为ARP条目数。 .. code-block:: shell display arp statistics Dynamic: 19465 (Resolved: 18204 Incomplete: 1261) Static: 0 数据分析和报警 ================== 策略配置 ~~~~~~~~~~~~~~~~~ .. list-table:: :widths: auto :stub-columns: 1 :align: left * - **策略名** - #. 报警策略名字 * - **策略筛选条件** - #. 业务线 #. 区域(地域) #. 机房 #. POD #. 业务属性（服务角色） #. 设备角色 #. 设备IP、IP地址段 * - **策略生效时间** - 支持到小时级别（0-23） * - **触发阈值** - 使用率>=N%（N为整数）。 * - **恢复阈值** - 使用率小于M%（M为整数）,默认M=N * - **策略生效状态** - 默认为策略生效状态，开启时源数据进入告警分析模块进行计算和比对，禁用时源数据不进行告警分析 * - **策略告警等级** - 用于标识该策略的告警重要性程度，分5个等级：A1严重，A3主要，A5次要，A7一般，A9通知 * - **告警组和通知方式** - #. 告警组，将不同人员分成不同的组，按组的方式发送告警； #. 通知方式：邮件、咚咚、微信、短信、电话；针对每个组可多选或者不选； 策略筛选条件的互斥关系 ~~~~~~~~~~~~~~~~~~~~~~~~ a. IP地址类型是必选项；其他都需要支持多选；但在有父子关系情况下，如果父节点被多选，子节点不能继续被多选。 #. 机房--POD--设备IP，存在父子关系，当父节点未被选中或者是多选状态下，子节点不能继续选择；当且仅当机房、POD同时处于单选状态下方可继续选择设备IP； #. 区域--机房，存在父子关系，当父节点未被选中或者是多选状态下，子节点不能继续选择； #. 设备IP地址仅仅可以在没有任何其他项勾选的情况下，才可以支持手工输入多个IP地址，或者多个地址段； 报警信息格式 ~~~~~~~~~~~~~~~~~~~~ 报警信息分为两种，一种是触发阈值告警，一种是满足恢复阈值告警。我们把它称之为告警状态，分为 ``告警`` ``恢复`` 。因为告警通道的的不通，为了便于阅读。需要针对不同渠道的报警设置信息格式。 .. code:: shell 邮件： ----------------------- 标题：【告警通知时间/恢复通知时间】【告警状态（告警/恢复）】【告警等级】【告警策略名】【机房，POD，角色，设备IP，ARP使用率】 邮件内容： 故障开始时间, 故障持续时间，故障恢复时间（当且仅当告警状态为“恢复”时候才有该时间）， 业务线，区域，机房，POD，业务属性，设备角色, 设备IP，设备名称 当前ARP使用率，当前ARP条目数 短信，咚咚，电话，微信： ------------------------ 【告警通知时间/恢复通知时间】【告警状态（告警/恢复）】【告警状态（告警/恢复）】【告警等级】【告警策略名】 【机房，POD，角色，设备IP，设备名称】【当前ARP使用率，当前ARP条目数】 【故障开始时间, 故障持续时间，故障恢复时间（当且仅当告警状态为“恢复”时候才有该时间）】 报警的默认收敛规则 ~~~~~~~~~~~~~~~~~~~~ 对重复的报警信息，实行收敛。 a. 即一条策略被触发后，发送报警通知。同时更新一些计数器。 #. 如果在未满足恢复阈值前提条件下，再次触发了阈值，则该次触发的报警被抑制，不对外发送报警信息。但会涉及一些计数器的更新。 #. 当满足恢复阈值时候，发送告警恢复信息。同时更新一些计数器。 #. 之后，如报警阈值被再次满足，则对外发送新的报警通知。 关于报警时间的规则 ~~~~~~~~~~~~~~~~~~~~~~ 整个策略匹配过程及报警过程中，分别涉及多个时间，做如下说明。 1.故障开始时间：第一次触发阈值（满足告警阈值的第一个点的时间） 2.故障触发告警时间：满足告警频次达到告警条件 3.告警通知时间：告警平台对外发送告警通知的时间 4.聚合告警通知时间：故障触发告警时间满足告警聚合周期，多条告警聚合后的由告警平台发出的告警通知时间（仅仅在有聚合报警策略的情况下），有4没有3。 --以下仅针对有恢复的策略-- 5.故障持续时间：未恢复的告警，从故障开始时间计算到当前时间点的时间段，在告警实时看板中展示；恢复的告警，故障持续时长=故障恢复时间-故障开 始时间； 6.故障恢复时间：第一个满足恢复条件的时间，通常只有在触发了第7个“故障触发恢复条件时间”时才会被记录 7.故障触发恢复条件时间：满足恢复阈值和频次达到恢复条件 8.恢复通知时间：告警平台发送恢复通知的时间 9.聚合恢复通知时间：故障触发恢复时间满足恢复聚合周期，告警平台发出的恢复通知时间（仅仅在有聚合报警策略的情况下），有9没有8 和NOC工单系统的联动 ~~~~~~~~~~~~~~~~~~~~~~~ 对于产生的故障告警，需要推送给NOC工单进入工单管理。需要根据工单返回结果对该告警做一个标记，表示目前关于此告警的工单的处理情况。 处理规则： #. 对于产生的告警（而非进行聚合后的告警，即聚合前的单条告警。），需要推送给NOC工单平台，根据noc平台的返回信息对该条告警设置一个 ``工单状态标记`` 。 #. 当NOC工单对该单条告警改变了状态，需要同步的跟新报警系统中该条报警的 ``工单状态标记`` ； #. 当NOC工单标记为“已完成”，则触发告警恢复，忽略掉恢复阈值的检测，对外发送告警恢复信息；同时这条告警彻底清除，即便真实情况下告警并未恢复。 #. 如果告警恢复阈值检测到满足，则触发告警恢复信息，同时通知NOC工单平台修改该工单状态为"已完成", 关闭工单。 故障池（故障看板）的联动 ~~~~~~~~~~~~~~~~~~~~~~~~~ 但每条告警产生的时候，将该告警加入一个告警池。在告警池中对该条告警的状态进行跟踪。包括三个方面的状态跟踪。 故障持续时间，24小时内触发次数，NOC工单状态，故障恢复与否。 故障持续时间：当前时间-故障开始时间。 24小时内触发次数：最近一天满足触发阈值的次数-1。 NOC工单状态：NOC工单的状态信息。 故障恢复与否：但手工对NOC工单关闭或者自动触发恢复时候，从故障池子清除条目。不在故障池子里则认为恢复。 告警池字段要求如下： #. 故障开始时间 #. 故障持续时间 #. 设备IP #. ARP使用条目 #. ARP使用率 #. 设备角色 #. 业务线 #. 机房 #. 历史告警数（24H） #. NOC工单状态 NOC工单状态说明 ~~~~~~~~~~~~~~~~~~ +---------------+----------+----------------------------------+ | NOC返回状态值 | 状态 | 说明 | +---------------+----------+----------------------------------+ | 1 | 新工单 | 告警事件生成工单的初始状态 | +---------------+----------+----------------------------------+ | 10 | 待处理 | NOC人员接单后触发这个状态 | +---------------+----------+----------------------------------+ | 20 | 处理中 | NOC人员进行处理操作 | +---------------+----------+----------------------------------+ | 21 | 已转派 | NOC人员处理不了转派给网络运维 | +---------------+----------+----------------------------------+ | 99 | 已取消 | NOC人员进行取消操作 | +---------------+----------+----------------------------------+ | 100 | 已完成 | NOC人员进行跟进确认后触发该状态 | +---------------+----------+----------------------------------+ | 101 | 自动恢复 | 这个是根据告警这边的恢复通知生成 | +---------------+----------+----------------------------------+ 可视化 ================== 针对单台设备，对一段时间内的设备ARP使用率做可视化。要求如下。 #. 以横坐标为时间轴，纵坐标为使用率/ARP使用条目数。刻画设备ARP使用率及使用量。每个采集时刻一个数据点。 #. 展示设备的总ARP条目数，以红线等方式绘图于坐标图中； #. 默认展示一个小时的使用率信息； 未完成的部分 ================== #. 完全未完成