Documentation
Table of Contents
12 Descubrimiento mediante consultas SQL ODBC
Descripción general
Este tipo de descubrimiento de bajo nivel se realiza usando consultas SQL, cuyos resultados se transforman automáticamente en un objeto JSON adecuado para descubrimiento de bajo nivel.
Clave de la métrica
Las consultas SQL se realizan utilizando un tipo de métrica "Monitor de base de datos". Por lo tanto, la mayoría de las instrucciones en la página monitoreo ODBC se aplican para obtener una regla de descubrimiento de "Monitor de base de datos" que funcione.
Se pueden utilizar dos claves de métricas en las reglas de descubrimiento del "monitor de base de datos":
db.odbc.discovery[<descripción única corta>,<dsn>,<cadena de conexión>] - esta métrica transforma el resultado de la consulta SQL en una matriz JSON, convirtiendo los nombres de columnas del resultado de la consulta en una macro de descubrimiento de bajo nivel con los nombres emparejados con los valores de campo descubiertos. Estas macros pueden ser utilizadas para crear prototipos de métricas, iniciadores, etc. Ver también: Usando db.odbc.discovery.
db.odbc.get[<descripción corta única>,<dsn>,<cadena de conexión>] - esta métrica transforma el resultado de la consulta SQL en una matriz JSON, manteniendo los nombres de columnas originales del resultado de la consulta como nombre de campo en JSON emparejado con los valores descubiertos. En comparación con
db.odbc.discovery[], esta métrica no crea macros de descubrimiento de bajo nivel en el JSON devuelto, por lo tanto no es necesario comprobar si los nombres de las columnas pueden ser nombres de macro válidos. Las macros de descubrimiento de bajo nivel se pueden definir como un paso adicional según sea necesario, utilizando la funcionalidad macro LLD personalizada con JSONPath apuntando a los valores descubiertos en el JSON devuelto. Consulte también: Usando db.odbc.get.
Usando db.odbc.discovery
Como ejemplo práctico para ilustrar cómo se transforma la consulta SQL. en JSON, consideremos el descubrimiento de bajo nivel de proxies Zabbix mediante la ejecución de una consulta ODBC en la base de datos Zabbix. Esto es útil para la creación automática de las métricas internas "zabbix[proxy,<nombre>,lastaccess]" para monitorear qué proxies están vivos.
Comencemos con la configuración de la regla de descubrimiento:
Todos los campos de entrada obligatorios están marcados con un asterisco rojo.
Aquí, se utiliza la siguiente consulta directa en la base de datos Zabbix para seleccionar todos los proxies de Zabbix, junto con el número de equipos que se supervisan. El número de equipos se puede utilizar, por ejemplo, para filtrar servidores proxy vacíos:
mysql> SELECT h1.host, COUNT(h2.host) AS count FROM hosts h1 LEFT JOIN hosts h2 ON h1.hostid = h2.proxy_hostid WHERE h1.status IN (5, 6) GROUP BY h1.host;
+---------+-------+
| host | count |
+---------+-------+
| Japón 1 | 5 |
| Japón 2 | 12 |
| Letonia | 3 |
+---------+-------+
3 filas en conjunto (0,01 seg)Por el funcionamiento interno de la métrica "db.odbc.discovery[,{$DSN}]", el resultado de esta consulta se transforma automáticamente en el siguiente JSON:
[
{
"{#HOST}": "Japón 1",
"{#COUNT}": "5"
},
{
"{#HOST}": "Japón 2",
"{#COUNT}": "12"
},
{
"{#HOST}": "Letonia",
"{#COUNT}": "3"
}
]Se puede ver que los nombres de las columnas se convierten en nombres de macros y las filas seleccionadas. se convierten en los valores de estas macros.
Si no es obvio cómo se transformaría el nombre de una columna en un nombre de macro, se sugiere utilizar alias de columna como "COUNT(h2.host) AS count" en el ejemplo anterior.
En caso de que un nombre de columna no se pueda convertir en un nombre de macro válido, la regla de descubrimiento deja de ser compatible y el mensaje de error detalla el número de columna infractor. Si se desea ayuda adicional, los nombres de las columnas se proporcionan en DebugLevel=4 en el archivo de registro del servidor Zabbix:
$ grep db.odbc.discovery /tmp/zabbix_server.log
...
23876:20150114:153410.856 En la consulta db_odbc_discovery():'SELECT h1.host, COUNT(h2.host) FROM hosts h1 LEFT JOIN hosts h2 ON h1.hostid = h2.proxy_hostid WHERE h1.status EN (5, 6) GROUP BY h1.host;'
23876:20150114:153410.860 columna db_odbc_discovery()[1]:'host'
23876:20150114:153410.860 columna db_odbc_discovery()[2]:'COUNT(h2.host)'
23876:20150114:153410.860 Fin de db_odbc_discovery():NOTSUPPORTED
23876:20150114:153410.860 Error del elemento [servidor Zabbix:db.odbc.discovery[proxies,{$DSN}]]: no se puede convertir el nombre de la columna n.º 2 en macro.Ahora que entendemos cómo se transforma una consulta SQL en un objeto JSON, podemos usar la macro {#HOST} en prototipos de métricas:
Una vez realizado el descubrimiento, se creará una métrica para cada proxy:
Usando db.odbc.get
Usando db.odbc.get[,{$DSN}] y el siguiente ejemplo de SQL:
mysql> SELECT h1.host, COUNT(h2.host) AS count FROM hosts h1 LEFT JOIN hosts h2 ON h1.hostid = h2.proxy_hostid WHERE h1.status IN (5, 6) GROUP BY h1.host;
+---------+-------+
| host | count |
+---------+-------+
| Japón 1 | 5 |
| Japón 2 | 12 |
| Letonia | 3 |
+---------+-------+
3 filas en conjunto (0,01 seg)se devolverá este JSON:
[
{
"host": "Japón 1",
"count": "5"
},
{
"host": "Japón 2",
"count": "12"
},
{
"host": "Letonia",
"count": "3"
}
]Como puede ver, allí no hay macros de descubrimiento de bajo nivel. Sin embargo, se pueden crear macros de descubrimiento personalizadas de bajo nivel en la pestaña de macros LLD de una regla de descubrimiento usando JSONPath, por ejemplo:
Ahora esta macro {#HOST} se puede utilizar en prototipos de métricas: