1. Bojan.Schmidt@CARNet.hr 14.11.2012.
ZenOSS u CARNetu
naslovna02

2. Sadržaj Uvod NMS u CARNetu Zenoss u CARNetu Prilagodbe Zenoss-a
Savjeti
Zaključci
unutrasnja01

3. Uvod Zenoss SNMP – Simple Network Management Protocol
kombinacija vlastito razvijenih i postojećih programskih rješenja (open source)
Zope (ZODB), Python, MySQL, RRDtool, Twisted, NetSnmp
ZenModel ZODB // ZenRRD fajle // ZenEvents MySQL
SNMP – Simple Network Management Protocol
NMS (master) <---> UREĐAJ (slave + agent)
Opcije:
POLL / GET
"Pass-through" MIB extension command // snmpd.conf (parsing output)
TRAP
SSH – Secure Shell
Remote Command / Script + Parsing output
unutrasnja01

4. NMS u CARNetu
unutrasnja01

5. Zenoss u CARNetu Osnovni alat podrške CARNet NOC-a (od 2009.)
Nadziranje mrežnih uređaja, mrežne povezanosti i mrežnih servisa
Primarne funkcije:
nadzor pogreški - Fault mgmt
nadzor performansi - Performance mgmt
Nadzor oko 1k uređaja, 2k fizičkih sučelja (topologija), 60k data points
Distribuirana okolina (2 kolektora – Jezgra / Pristup)
Iznimno važna kategorizacija elemenata mreže koji se nadziru – “GRUPE”:
jezgra i distribucija
agregacija i pristup
Hijerarhijska modularnost i nasljeđivanje – “event/device KLASE”
Konvencija imena sučelja (Parsing)
unutrasnja01

6. Event Console
unutrasnja01

7. Prilagodbe Zenoss-a (1)
Modifikacije koda – brzina i skalabilnost
Modifikacije zen.*[daemon].conf (# Config file written out from GUI)
Modifikacije kroz “event transform” (manipulacija event atributa)
Modifikacije performance predložaka u “device klasama”
Modifikacije kroz “event manager” komande – NOC bljeskalica/zvuk
Podešavanje alarming pravila – mail / sms
Integracija u oba smjera sa bazama podatka (podaci o ustanovama članicama i kontakt osobama)
Integracija sa autentikacijsko-autorizacijskim sustavom (OpenLDAP)
Integracija sa vlastito razvijenim alatima za vizualizaciju topologije
Integracija – Rancid, Syslog-ng ...
unutrasnja01

8. Device
unutrasnja01

9. Prilagodbe Zenoss-a (2)
»|« RT Copyright Best Practical Solutions, LLC.
Integracija sa trouble ticketing alatima (RT: Request Tracker):
Root Cause
Deduplikacija incidenata (1 uređaj, 1 incident, povezani zadaci)
Umjetni delay za (ne)automatsko zatvaranje ticketa i identifikaciju tzv. flapanja
Post-event komanda + PostgreSQL baza + PERL skripta (Crontab)
Fri Nov 09 10:18:02 2012 Zenoss - Ticket created
Subject: Osnovna Waldorfska skola Rijeka - Zametska 6, Rijeka - OS-Waldorfska.skola.RI-ES
ID: 1912
Naziv ustanove: Osnovna Waldorfska škola Rijeka
Adresa ustanove: Zametska 6, Rijeka
Summary: ip is down
SZC baza URL: Zenoss URL: Syslog URL: Rancid URL: ...
Ime i prezime:
Funkcija: administrator resursa
Fiksni:
Fax:
unutrasnja01

10. Prilagodbe Zenoss-a (3)
Integracija sa vlastito razvijenim modulom za izvještavanje (korištenjem svih dostupnih podataka iz različitih informacijskih sustava):
Raspoloživost uređaja, Iskorištenost linkova, Greške / Odbačeni paketi na linkovima, Iskorištenost procesora, Raspoloživost memorije, Broj VPDN sesija/tunela
Python / Perl manipulacije za TOPN  Alarming
PHP frontend + mail
Grafički prikaz opterećenja uređaja, veza, servisa – Network Weathermap
unutrasnja01

11. unutrasnja01

12. unutrasnja01

13. Prilagodbe Zenoss-a (4)
Modul za deterministički nadzor ključnih portova u jezgri (Poll)
import re
from transaction import commit
devname = evt.device
intname = evt.component
descr = ''
for iface in device.os.interfaces.objectItems():
if iface[1].name() == intname:
descr = iface[1].description
if evt.summary.startswith('threshold of operstatus'):
if evt.severity > 0:
iface[1].operStatus=2
else:
iface[1].operStatus=1
summary = '%s\t%s\t(%s)' % (devname, intname, descr)
if re.search("^(Core_|Cp3Core_)", descr):
m=re.search("^(Core_|Cp3Core_)[^_]+_([^_]+)", descr)
if m is not None:
dev2str=m.groups()[1]
for d in dmd.Devices.getSubDevices():
if d.id == dev2str and d.getDeviceGroupNames() and 'ACCESS' in d.getDeviceGroupNames()[0]:
evt.severity=3
evt.summary = 'DOWN: %s' % (summary)
evt.summary = "UP: %s" % (summary)
evt.severity=2
commit()
unutrasnja01

14. Prilagodbe Zenoss-a (5)
Device:Cp3-NSK1-ES-R11
Component:GigabitEthernet3/3
Event Class:/Status/IpInterface
Start Time:2012/11/07 11:36:31.000
Stop Time:2012/11/13 18:52:09.000
Count:1731
prodState1000
stateChange2012/11/13 18:52:10.000
agent zenperfsnmp
dedupid Cp3-NSK1-ES-R11|GigabitEthernet3/3|/Status/IpInterface|ifOperStatus_ ...
unutrasnja01

15. Savjeti
Nadzor samih nadzornih komponenti NMS-a (kolektori, ostali alati):
SSH Remote Command / Script + Parsing output
SNMP Poll + "Pass-through" MIB extension command + Parsing output
nadzor iskorištenosti memorije, diska, cpu, periodična “čišćenja” zeopack.py
“Performance tuning”: Zope, MySQL, File System
BACKUP!  Zenbackup – Events MySQL, ZODB, Perf RRD, Configuration
Zaštita dediciranog nadzornog mrežnog segmenta + firewall (iptables)
Kompletna (detaljna) dokumentacija (Getting started guide, Administration guide, Extended monitoring guide, Community forums):
unutrasnja01

16. Zaključci Cjelovito rješenje za nadzor dostupnosti i performansi mreže
Visoka razina integrabilnosti sa postojećim informacijskim sustavima i ostalim komponentama NMS-a
Web bazirani alat
Prilagodljivost (.conf kroz GUI, .py izvorni kod, predlošci, transformi, ...)
Pouzdanost
Intuitivnost frontend-a
Modularna (objektna) arhitektura
Jednostavna administracija nakon podešavanja (dodavanje/micanje uređaja, servisa, pravila ... sve kroz GUI)
unutrasnja01

17. Q / A PITANJA / RASPRAVA Bojan.Schmidt@CARNet.hr Hvala na pažnji!
unutrasnja01