zabbix监控docker_Zabbix“专家坐诊”第60期问答汇总

Q:有做过docker容器内部获取宿主机磁盘的信息吗?
A:安装了docker版本的agent之后,是能监控到宿主机的磁盘信息的,没有局限于给docker容器分配的空间,你可以试下直接安装一个docker版本的agent。

Q:zabbix的cpu 内存的触发器, 图形是不是要自己添加?
A:图形指的是哪个位置的?
Q:宿主机挂载了一个分区, 然后容器里没有,这样就找不到了。

f27945a563d58f050272eea4c40a740b.png


系统默认的内存图形是这样的,不可能最大最小都是一样的,

9d5fa1bdaa238d4de7436ad7f5f5db63.png

A:这个图形 如果找不到cpu相关的,需要在模板上的图形选项处,手动添加一下。最大最小都是一样的问题,你可以把时间维度调大一点看下,从图中看出,1小时内最大5.22G 最小5.18G,相差不是很大
Q:cpu触发器一般选第一个吗? 我想设置超过80%就触发

f6e358042698281116f61dbc9527ffc4.png


A:这个是CPU空闲率,可以用作触发器的规则,但是要注意运算。 CPU使用率是 100-CPU空闲率

Q:配置邮件报警,用户那里添加了邮箱之后提示这个

282f64faa140b1a74f2400dc9e4db420.png


A:先点消息,然后再重新添加邮箱试下。提示是 点击了修改密码,但是没填写新的密码信息,导致报错 无法更新用户。
Q:创建LDAP用户,不是不用写密码的吗
A:如果用户是新增的,也需要填写密码 ,后续不用来登录即可。

Q:请问一下zabbix busy alter process高 一般是什么原因?

3015751dea7b82d25e80fa2c63f40422.png


A:高的那段时间,触发的告警多吗?zabbix 配置文件里,StartAlerters 参数的设置是多少的?如果内存空间足够的话,可以调大StartAlerters参数
Q:我的还是3.0版本 没有StartAlerters 参数,一发送告警 这个指标就上来了
A:我刚看了下3.0的zabbix server 配置文件,确实没有这个参数。是从3.4开始有的。

Q:哪位大佬有建立web监控的文档
A:https://www.zabbix.com/documentation/4.0/zh/manual/web_monitoring 官方的配置步骤可以参考下下。https://blog.csdn.net/yuanfangPOET/article/details/89515099 参考这个链接也可以

Q:Couldn't resolve host name: Could not resolve host: smtp.sdses.com; Name or service not known突然不能发邮件了,实际邮箱域名是可以解析的,如何排查一下?
A:ping 域名 正常吗?

Q:端口是通的,能解析

5041fd1c7c1d192c657f3d7e40dcc543.png

本期未解决问题:

Q:请问有没有大佬使用SNMP监控虚拟机exis 的?

A:监控方式和监控其他系统一样

Q:我知道是一样,主要是我没有MIB库

5dd2a913760dbdf5d036574d786b800b.png
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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