fedora下的ganglia安装、配置，以及python模块的扩展
1 安装ganglia
1.1 安装环境
CentOS, fedora
1.2 单机版安装步骤
假设机器的IP地址是192.168.1.253, 首先安装好所需要的软件
rpm -Uvh http://download.fedora.redhat.com/pub/epel/5/i386/epel-release-5-3.noarch.rpm
yum install rrdtool ganglia ganglia-gmetad ganglia-gmond ganglia-web httpd php apr apr-util
1.3 设置
1 gmond的设置文件位置是/etc/gmond.conf，打开其进行编辑，只需修改下面的内容：
cluster {
name = "cluster1"
owner = "owner1"
latlong = "unspecified"
url = "unspecified"
}
udp_send_channel {
host = 192.168.1.253
port = 8649
ttl = 1
}
udp_recv_channel {
port = 8649
}
2 gmetad的设置文件位置是/etc/gmetad.conf，打开其进行编辑，只需修改下面的内容：
data_source "my cluster" 192.168.1.253:8649
1.4 启动服务
1 启动gmond
chkconfig gmond on
service gmond start
2 启动gmetad
chkconfig gmetad on
service gmetad start
3启动httpd
chkconfig httpd on
service httpd start
1.5 观察结果
打开localhost/ganglia就可以看到结果了
2 python模块扩展
2.1 安装python模块进行功能扩展
yum install ganglia-gmond-python
2.2 检查是否安装成功
-
gmond.conf 有这一行代码include ("/etc/ganglia/conf.d/*.conf").这个目录是放模块的配置文件的，python模块的配置文件的后缀名应该是.pyconf
-
在/etc/ganglia/conf.d下有modpython.conf。这个文件的内容是：
/*
params - path to the directory where mod_python
should look for python metric modules
the "pyconf" files in the include directory below
will be scanned for configurations for those modules
*/
modules {
module {
name = "python_module"
path = "modpython.so"
params = "/usr/lib/ganglia/python_modules"
}
}
include ('/etc/ganglia/conf.d/*.pyconf')params指明了python模块存放的目录。
include ('/etc/ganglia/conf.d/*.pyconf') 指明了python模块配置文件的目录。
-
在 /usr/lib/ganglia下有modpython.so。该文件是 Ganglia Python 扩展的动态库文件。
-
/usr/lib/ganglia/python_modules文件夹存在。所有的python模块存放在这个位置，后缀名是.py
2.3 定制一个pyphton模块
定制一个python模块很简单，只需按照一定的模板编写.py文件，然后将这个模块（.py）放在 /usr/lib/ganglia/python_modules 目录下。对应的配置文件(.pyconf)放在/etc/ganglia/conf.d/目录下。
python模块可能要访问服务器的多个文件，由于运行python模块的用户和运行gmond的用户是一致的，所以必须保证运行gmond的用户有访问这些文件的权限。
在安装好ganglia-gmond-python后，已经自带了一个例子/usr/lib/ganglia/python_modules/example.py。下面将针对example.py解释python模块的格式，以及它的配置文件。
2.4 python模块模板
以example为例（安装完ganglia-gmond-python 后已经自带）
import random
descriptors = list()
Random_Max = 50
Constant_Value = 50
def Random_Numbers(name):
'''Return a random number.'''
global Random_Max
return int(random.uniform(0,Random_Max))
def Constant_Number(name):
'''Return a constant number.'''
global Constant_Value
return int(Constant_Value)
def metric_init(params):
'''Initialize the random number generator and create the
metric definition dictionary object for each metric.'''
global descriptors
global Random_Max
global Constant_Value
random.seed()
print '[pyexample] Received the following parameters'
print params
if 'RandomMax' in params:
Random_Max = int(params['RandomMax'])
if 'ConstantValue' in params:
Constant_Value = int(params['ConstantValue'])
d1 = {'name': 'PyRandom_Numbers',
'call_back': Random_Numbers,
'time_max': 90,
'value_type': 'uint',
'units': 'N',
'slope': 'both',
'format': '%u',
'description': 'Example module metric (random numbers)',
'groups': 'example,random'}
d2 = {'name': 'PyConstant_Number',
'call_back': Constant_Number,
'time_max': 90,
'value_type': 'uint',
'units': 'N',
'slope': 'zero',
'format': '%hu',
'description': 'Example module constant (constant number)'}
descriptors = [d1,d2]
return descriptors
def metric_cleanup():
'''Clean up the metric module.'''
pass
#This code is for debugging and unit testing
if __name__ == '__main__':
params = {'RandomMax': '500',
'ConstantValue': '322'}
metric_init(params)
for d in descriptors:
v = d['call_back'](d['name'])
print 'value for %s is %u' % (d['name'], v)
模块中必须包含的三个方法是：
-
def metric_init(params):
-
def metric_cleanup():
-
def metric_handler(name):
前面两个方法的名字必须是一定的，而最后一个 metric_handler可以任意命名。
__main__是便于debug用，可以单独调试该模块，以检测是否有错。
下面将对每个方法的功能做解释。
def metric_init(params):
对模块的初始化，在gmond服务被启动的时候，运行一次。
该方法必须返回一个词典列表，每个词典表示了一个metric的信息。每个词典的格式如下：
d1 = {'name': 'PyRandom_Numbers', #metric的名字
'call_back': Random_Numbers, #收集到数据后调用的方法
'time_max': 90, #没有什么用。。。
'value_type': 'uint', #string | uint | float | double
'units': 'N', # metric的单位
'slope': 'both', #zero | positive | negative | both
'format': '%u', #必须和value_type对应 (reference: http://docs.python.org/library/stdtypes.html#string-formatting)
'description': 'Example module metric (random numbers)', #对metric的描述，在前端可以看到
'groups': 'example,random'} #这个metric属于的组,如果没有定义，会分到no_group metric中
slope的选项 zero | positive | negative | both
-
This value maps to the data source types defined for RRDTool
-
If 'positive',表示数据的变化率(calculating the rate of change)
-
If 'negative', ????
-
'both' 直接显示值
-
If 'zero', 将显示在 "Time and String Metrics" 或者 "Constant Metrics"中（根据metric的value_type）
在example这个例子中，d2的slope是zero,最后显示在Constant Metrics中，而不显示在下面的面板里。
def metric_cleanup():
gmond关掉的时候执行，不能返回值。
def metric_handler(name):
可以取任何的名字，要在call_back中调用，参数name在是metric字典里定义的name。
2.4 pyconf模板
pyconf是python模块的配置文件，位置是/etc/ganglia/conf.d/example.pyconf（没有自带，需自己创建example.pyconf）, 代码如下
modules{
module {
name = "example"
language = "python"
# The following params are examples only
# They are not actually used by the temp module
param RandomMax {
value = 600
}
param ConstantValue {
value = 112
}
}
}
collection_group {
collect_every = 10
time_threshold = 50
metric {
name = "PyRandom_Numbers"
#要显示的metric，与example.py中的d1名字对应
title = "Random"
#metric在网页上显示的标题
value_threshold = 70
}
metric {
name = "PyConstant_Number"
#要显示的metric，与example.py中的d2名字对应
title = "Constant"
#metric在网页上显示的标题
value_threshold = 70
}
}
pyconf的文件名最好和你建立的python文件名对应。包含两个模块， modules 和collection_group。
Modules:对每个模块进行配置
name:模块名,同时必须与创建的python文件名一致
language: 语言
param:参数列表，所有的参数作为一个dict(即map)传给python脚本的metric_init(params)函数。
本例中，metric_init调用时， params={“RandomMax”:”600”,”ConstantValue”:”112”}
collection_group:需要收集的metric列表，一个模块中可以扩展任意个metric
collect_every: 汇报周期，以秒为单位。
metric：可以有多个，定义每个metric的信息。
posted on 2012-01-03 18:04 lindan_xmu 阅读(2143) 评论(0) 编辑 收藏 举报
