TF Analytics指南丨“分析”哪些内容？如何发出“警报”？

Tungsten Fabric是一个由计算节点、控制节点、配置节点、数据库节点、Web UI节点和分析节点组成的分布式系统。

分析（Analytics）节点负责收集系统所有节点上所有软件模块的系统状态信息、使用统计和调试信息。分析节点将整个系统收集到的数据存储在数据库中，数据库基于Apache Cassandra开源分布式数据库管理系统。该数据库通过类似SQL的语言和表示状态转移（REST）API进行查询。

分析节点收集到的系统状态信息将汇总到所有的节点上。

分析节点收集的调试信息包括以下几种类型。

• 系统日志（syslog）消息——由系统软件组件产生的信息和调试消息。
• 对象日志消息——记录对系统对象（如虚拟机、虚拟网络、服务实例、虚拟路由器、BGP对等体、路由实例等）的更改。
• 追踪消息——软件组件在本地收集的活动记录，仅在需要时才发送给分析节点。

与流量、CPU和内存使用情况等相关的统计信息也由分析节点收集，并可进行查询以提供历史分析和时间序列信息。查询使用REST APIs进行。

分析数据会被写入到Tungsten Fabric的数据库。数据将在默认的48小时有效时间（TTL）后过期。这个默认的TTL时间可以根据需要通过改变集群配置中的database_ttl值来改变。

TF警报流（Alert Streaming）

TF警报（alert）是在基于每个用户可见实体（UVE）提供的。TF分析（analytics）使用Python编码的规则来触发或解除警报，这些规则将检查UVE的内容和对象的配置。一些规则是内置的，其它规则可以使用Python stevedore插件添加。

本主题介绍了Tungsten Fabric警报功能。

警报API格式

TF警报分析API提供以下内容。

• 作为UVE GET APIs的一部分，读取对警报的访问。
• 使用POST请求进行警报确认。
• 使用服务器发送的事件（SSE）进行UVE和警报流。

例如：
GET http:// :8081/analytics/alarms。

{
   
    analytics-node: [
        {
   
            name: "nodec40",
            value: {
   
                UVEAlarms: {
   
                    alarms: [
                        {
   
                            any_of: [
                                {
   
                                    all_of: [
                                        {
   
                                            json_operand1_value: ""PROCESS_STATE_STOPPED"",
                                            rule: {
   
                                                oper: "!=",
                                                operand1: {
   
                                                    keys: [
                                                        "NodeStatus",
                                                        "process_info"