Zabbix

本文详细介绍了Cacti监控系统的运作原理,包括数据采集、存储及展示流程,并对比了Zabbix监控系统的特点,指出两者在大规模主机监控场景下的优劣。

Cacti监控:

1.每隔一秒:for循环sleep1|crond(* * * * * sleep 1 commend)
秒杀|瞬时高并发可以到达毫秒级


cactis:
系统:crond-->poller.php-->snmp-->host
数据采集:*rrd-->rrdtool-->update
    snmp协议(被监控端)
    数据没有在数据库里面保存:
    被采集回来的数据,存入/var/www/cacti/rra(rrdtool(环形数据库)),除此之外的数据都在数据库里面
函数:min|max|average|。。。
数据展示:php+apache/nginx的web页面
mysql:是为了交互mysqldb
    存储的是主机的所有信息

Zabbix监控:

参考Zabbix使用手册
    监控大量主机时的瓶颈是数据库

实验环境:rhel7.2
数据库备份时,不可以锁表

作业:
(1)110云告警注册帐号
(2)将zabbix改成titd(在数据库层实现分布)

数据集介绍:垃圾分类检测数据集 一、基础信息 数据集名称:垃圾分类检测数据集 图片数量: 训练集:2,817张图片 验证集:621张图片 测试集:317张图片 总计:3,755张图片 分类类别: - 金属:常见的金属垃圾材料。 - 纸板:纸板类垃圾,如包装盒等。 - 塑料:塑料类垃圾,如瓶子、容器等。 标注格式: YOLO格式,包含边界框和类别标签,适用于目标检测任务。 数据格式:图片来源于实际场景,格式为常见图像格式(如JPEG/PNG)。 二、适用场景 智能垃圾回收系统开发: 数据集支持目标检测任务,帮助构建能够自动识别和分类垃圾材料的AI模型,用于自动化废物分类和回收系统。 环境监测与废物管理: 集成至监控系统或机器人中,实时检测垃圾并分类,提升废物处理效率和环保水平。 学术研究与教育: 支持计算机视觉与环保领域的交叉研究,用于教学、实验和论文发表。 三、数据集优势 类别覆盖全面: 包含三种常见垃圾材料类别,覆盖日常生活中主要的可回收物类型,具有实际应用价值。 标注精准可靠: 采用YOLO标注格式,边界框定位精确,类别标签准确,便于模型直接训练和使用。 数据量适中合理: 训练集、验证集和测试集分布均衡,提供足够样本用于模型学习和评估。 任务适配性强: 标注兼容主流深度学习框架(如YOLO等),可直接用于目标检测任务,支持垃圾检测相关应用。
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