编写modules和自定返回处理returners

salt stack 自定义编写modules和自定返回处理returners

 

Salt编写自定模块:

官网文档:http://docs.saltstack.com/ref/modules/index.html#grains-data

 

Master上创建存放模块的目录:

mkdir -pv /srv/salt/_modules

cd /srv/salt/_modules

 

编写一个简单的模块 xzr.py:

[root@host109 _modules]# cat xzr.py

#coding:utf-8

import random

def test():

'''随机一个1到100的数为双数就返回True'''

return random.randint(1,100)%2==0

def  echo(text):

return text

def myscript(*t,**kv):

'''引用salt本身的模块'''

ret = __salt__['cmd.script'](*t,**kv)

return ret

 

同步master上的自定模块到minion 上:

同步前最好在本机运行一下,看有没错误

[root@host109 _modules]# salt '*'  saltutil.sync_modules

host100:

- modules.xzr

host101:

- modules.xzr

 

运行自定义模块:

[root@host109 _modules]# salt '*' xzr.test

host101:

False

host100:

True

 

修改一下模块里的test函数让他输出为字符串:

#coding:utf-8

import random

#定义输出格式,不定义的话默认为字典

__outputter__ = {

'test': 'txt'

}

def test():

'''随机一个1到100的数为双数就返回True'''

return random.randint(1,100)%2==0

def  echo(text):

return text

def myscript(*t,**kv):

'''引用salt本身的模块'''

ret = __salt__['cmd.script'](*t,**kv)

return ret

 

修改后再次运行:

[root@host109 _modules]# salt '*' xzr.test

host101: False

host100: False

在这里查看更多模块信息:

https://github.com/saltstack/salt/tree/master/salt/modules

 

 

编写自定返回处理Returners:

Returners可以让客户端把模块执行的返回结果在本机额外处理。

 

官方文档:

http://docs.saltstack.com/ref/returners/index.html

 

和自定模块一样在/srv下新建存放Returners的目录_

mkdir -pv /srv/salt/_returnerscd  /srv/salt/_returners

 

编写一个返回处理,返回处理的函数名必须为returner:

[root@host109 _returners]# cat my_returners.py#coding:utf-8

 

def __virtual__():

'''调用时的名字'''

return 'writefile'

 

def returner(ret):

'''简单的把返回结果写到文件里'''

f = open('/tmp/salt_return','a+')

f.write(str(ret))

#f.write(str(ret['return']))

f.close()

 

同步returners

[root@host109 _returners]# salt '*'  saltutil.sync_returnershost101:

- returners.my_returners

host100:

- returners.my_returners

 

执行模块时加入上—return使用返回处理,可使用多个用逗号分开。

[root@host109 _returners]# salt '*'  xzr.test --return writefilehost101: False

host100: True

 

去客户端那边看下,写入的是一个字典:

[root@host100 ~]# cat /tmp/salt_return{'jid': '20131024040453764597', 'return': True, 'retcode': 0, 'success': True, 'fun': 'xzr.test', 'id': 'host100'}

键return就是我们的模块的返回结果。

 

再看下别的机器:

[root@host109 _returners]# salt '*'  cmd.run 'cat /tmp/salt_return'host100:

{'jid': '20131024040453764597', 'return': True, 'retcode': 0, 'success': True, 'fun': 'xzr.test', 'id': 'host100'}

host101:

{'jid': '20131024040453764597', 'return': False, 'retcode': 0, 'success': True, 'fun': 'xzr.test', 'id': 'host101'}

 

官方的returners参考:

https://github.com/saltstack/salt/tree/develop/salt/returners

 

小结:

使用salt的自定模块和返回处理,只要写一个监控主机的状态的模块(salt自带很多获取主机信息的模块),再把模块的返回结果入数据库,这样就可以轻松实现分布式的监控。

 

 

参考资料:

http://wiki.saltstack.cn/docs

http://www.shencan.net/


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值