zabbix自定义监控项

本文详细介绍了如何在Zabbix中安装zabbix_get,编辑自定义监控项文件以监控CPU使用率、磁盘使用、内存和登陆人数。通过添加配置并重启服务,展示了如何在Web界面添加和查看这些自定义监控数据。
摘要由CSDN通过智能技术生成

zabbix自定义监控项

1.安装zabbix_get软件

[root@chang local]# yum install zabbix-get

2.编辑自定义监控项文件

[root@chang ~]# vim /etc/zabbix/zabbix_agentd.d/cpu.conf 
UserParameter=check_cpu,top -bn 1 -i -c |grep id |cut -d , -f 4 | tr -d id
#UserParameter表示用户自定义参数,check_cpu表示一个key,key的值是后面的命令
#重启
[root@chang ~]# systemctl restart zabbix-agent.service 

3.测试zabbix-server服务端是否可以获取到key值

[root@chang ~]# zabbix_get -s 127.0.0.1 -k check_cpu -p 10050
 96.9

4.添加监控项

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

5.查看监控项是否启用
在这里插入图片描述
在这里插入图片描述

显示已启用。
在这里插入图片描述

6.查看数据
在这里插入图片描述

查看历史数据
在这里插入图片描述

二. 监控磁盘使用情况

1.配置文件上添加

[root@chang ~]# vim /etc/zabbix/zabbix_agentd.d/disk_use.conf
UserParameter=disk_use,df -h |grep /$ |cut -d " " -f 13 |tr -d %
[root@chang ~]# systemctl restart zabbix-agent.service 
[root@chang ~]# zabbix_get -s 127.0.0.1 -p 10050 -k disk_use
7

2.web界面添加
在这里插入图片描述
在这里插入图片描述
点击,添加。
在这里插入图片描述
在这里插入图片描述
三.监控内存使用量

1.添加key的配置文件

[root@chang ~]# vim /etc/zabbix/zabbix_agentd.d/mem_use.conf
UserParameter=mem_use,free -h |sed -n '2p' |awk '{print $4}' |tr -d M
[root@chang ~]# systemctl restart zabbix-agent.service 
验证一下key的值
[root@chang ~]# zabbix_get -s 127.0.0.1 -p 10050 -k mem_use
978

2.在web界面添加
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
点击,添加,完成。

等一段时间,数据同步完成。

在这里插入图片描述
四.监控登陆人数

1.添加key的配置文件

[root@chang ~]# vim /etc/zabbix/zabbix_agentd.d/number_login.conf
UserParameter=number_login,w |sed -n '1p' |cut -d " " -f 7
[root@chang ~]# systemctl restart zabbix-agent.service 
[root@chang ~]# zabbix_get -s 127.0.0.1 -p 10050 -k number_login
1

2.在web界面配置
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
点击添加,配置完成。
在这里插入图片描述

异构时间卷积网络 (Heterogeneous Temporal Convolutional Networks, HTCNs) 主要是用于处理包含不同类型节点和边以及时间维度的数据结构,例如社交网络、传感器数据等。社团检测(Community Detection)则是识别相互之间有较强联系的小群体。 编写这样的代码通常涉及以下几个步骤: 1. **库选择**:使用Python深度学习框架如TensorFlow或PyTorch,以及专门处理的库如DGL (Deep Graph Library) 或 PyTorch Geometric。 2. **模型构建**:首先定义HTCN架构,包括异构嵌入层、时间卷积层和可能的注意力机制。比如,在DGL,可以使用`dgl.nn.conv.HeteroGraphConv`构建异构卷积。 ```python import dgl from dgl.nn import HeteroGraphConv # 假设我们有一个名为'hetero_graph'的异构 conv = HeteroGraphConv({ ('user', 'follows', 'user'): [time_conv], ('event', 'occurs_on', 'user'): [time_conv] }, time_kernel_size=3) ``` 3. **社团检测**:通过将时间序列特征输入到HTCN,然后通过聚类算法(如谱聚类、层次聚类或基于概率的方法)对节点进行分组。这里可能需要一些额外的计算,如邻接矩阵的更新和特征提取。 4. **训练和评估**:用预定义的损失函数训练模型,并使用社团间内连接性和社团单元间的分离度等指标评估社区的质量。 5. **代码示例**(简化版): ```python def train(graph, conv, optimizer): graph.ndata['features'] = ... # 初始化节点特征 for i in range(num_epochs): pred = conv(graph) loss = compute_loss(pred, true_labels) optimizer.zero_grad() loss.backward() optimizer.step() # 使用社团检测模块进行聚类 graph.ndata['predictions'] = community_detection(conv(graph).mean(1))
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