cacti监控mssql 2005运行资源情况

 

概述:SQL Server2000\2005\2008本身不支持snmp,使用cacti监控mssql,必须通过php连接mssql来获取SQL 2005性能计算器的值。

操作步骤:

1.php连接mssql的freetds工具

[root@sky9896 /]# yum install freetds –y

2.安装php-mssql驱动

[root@sky9896 /]# yum install php-mysql -y

3.测试mssql的连接

[root@sky9896 /]#php –q test_mssql_connect.php

#详细代码请下载附件

4.下载好插件后配置监控脚本

(1)在sql sever新建一个监控用户账号,              

sql scripts\sql_server_2005-2008.sql中的内容导入到sql server2005中,其中用户和密码根据实际情况可以修改,代码详见附件。

(2)测试监控mssql连接:php -q test_mssql_connect.php用户连接:# php  test_dm_os_performance_counters.php

#详细代码,请见附件。

(3)填加监控脚本:将解压后的scripts\ss_win_mssql.php上传到cacti服务器的cacti目录下的scripts/下,并赋予权限。

[root@sky9896 scripts]# chmod 755 ss_win_mssql.php

如果没有安装memcached的话。需要将memcached有关的行注释掉。否则无法取到mssql的数据,详见附近。

(4)测试监控脚本:

/usr/bin/php -q /var/www/html/cacti/scripts/ss_win_mssql.php  监控服务IP  connetions 用户名  密码

执行上条语名后,出现以下结果,说明测试成功。

fullscans:4167 rangescans:611197 probescans:130196372 indexsearches:3420215

(5)导入模板:解压后的template\cacti_host_template_windows_-_sql_server.xml导入到cacti中 

Console → Import/Export → Import Templates  → 选择文件 → Import 

导入后的Host Templates名为 Windows - SQL Server

导入后graph templates包含:

    Windows - SQL Server - Backup/Restore I/O

    Windows - SQL Server - Buffer Cache

    Windows - SQL Server - Connections

    Windows - SQL Server - Log Cache

    Windows - SQL Server - Log Flush I/O

    Windows - SQL Server - Log Flushes

    Windows - SQL Server - Memory

    Windows - SQL Server - Page I/O

    Windows - SQL Server - Page Splits

    Windows - SQL Server - Procedure Cache

    Windows - SQL Server - Processes Blocked

    Windows - SQL Server - SQL Compilations

    Windows - SQL Server - Table Scans

    Windows - SQL Server - Temp Tables

    Windows - SQL Server - Transactions

(6)新建devices省略,注意一个问题,在“Graph Templates”中选择要监控的项,点“Create”后出现“Create Graphs from Data Query ”中要求填写sql server的端口号、用户名、密码。此处如果不填写,将直接使用前面在ss_win_mssql.php中填写的端口号、用户名、密码,后续Data Source List 、*Graph List 等操作省略了。

   小结,成功配置cacti监控mssql2005,要注意几个事项:

1.  必须安装好一个freetds工具,一个php-mssql驱动;

2.  数据库端(被监控服务端)通过一段代码增加用户名和密码;

3.  用一小段代码测试数据库和用户的连接;

4.  本生产服务器没有安装memcached,需要将memcached有关的行注释掉,否则无法取到mssql的数据。

5.  对模板的导入,脚本文件的上传修改也要比较熟悉。

              wKioL1ad9eHxLUIFAAD9J-s6SaI986.png

  cacti模版地址:https://forums.cacti.net/viewforum.php?f=12&sid=66aa5b74a320c23ef7d38e190559f952

         https://docs.cacti.net/templates

 

转载于:https://www.cnblogs.com/l1pe1/p/7809829.html

  • 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值。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