如何配置OpenNMS的Threshold并绑定notification(beta……)

本文详细介绍了在OpenNMS系统中配置阈值报警的步骤。从激活threshold功能到创建不同类型阈值,并通过实例说明如何配置Expression-based类型的阈值。最后讲解了如何设置通知以确保监控事件能够及时发送。
[quote][size=large]前提:
在OPENNMS_HOME/etc/collectd-configuration.xml文件中,加入下面一句话,用来激活threshold设置
<parameter key="thresholding-enabled" value="true"/>
步骤:
1、使用admin登录OpenNMS系统平台
2、按照如下路径进入Admin -- Operations -- Manage Thresholds
3、进入Threshold Groups页面后,会看到默认的几个Threshold Group,比如cisco coffee等。
(在threshold-configuration.xml文件中,可以增加Threshold Group)
随便点击一个Edit,进入edit页面
4、在edit页面,可以选择创建两种类型的Threshold,Basic类型的和Expression-based类型的。

5、另开一个页面,进入Reports页面
6、选择Resource Graphs
7、在Custom Resource Performance Reports中,选择任意一个节点(所选节点最好提供了SNMP协议,这样所提供的被监控选项较多,也较为容易监控),并选择start
8、此时会出现一个新的页面,在此页面中,选择你将要监控的对象,submit
9、接下来的页面中,有几个需要注意的:
a>在threshold中需要的datasource name,就是选择框里你所选择的选项,比如hrStorageUsed(指在base Threshold类型中。而在expression-based类型中,表达式一般也是选项之间运算(有时会加入数字的运算)关系式)
b>在地址栏中最后一个.之后,会有一系列字符串,比如sinfLDskInstance%5B2.67.58%5D,在乱码之前的内容就是在threshold中的datasource type的name,可对照datacollection-config.xml文件中的内容来确定datasource type
10、关闭Reports相关页面。
11、回到Threshold Group的edit页面,选择创建一种类型的Threshold,在这里选择Expression-based类型的
12、Type选择High,Expression写成:
hrStorageUsed / hrStorageSize * 100.0
type按照上面的方法来确定,在这里是Storage (MIB-2 Host Resources)
label为可选,在这里写成hrStorageDescr
13、value值在0-100之间即可,为了较容易触发,在这里写成30,rearmed值为20,trigger设为1
14、Triggered UEI和Re-armed UEI随便填写,但是一定要填
比如:org.opennms.kingmanager/nodes/over 及 org.opennms.kingmanager/nodes/normal
写完之后,保存。

下面配置Notification
15、在新创建的Threshold中,UEI都是链接形式。点击此链接,则会进入创建notification页面
16、选择页面最下面的 Skip results validation
17、填写Name:
Description:
Text Message:
Short Message:
Email Subject:
并保存。注意页面下面的标签提示,比如可以使用%parm[label]%来表示label中的内容。
至此配置完成

注意:如果在满足条件的情况下始终没有触发事件,则有可能是用户的邮箱地址没有填写。任意填写之后,保存,应该就可以触发事件。

另外:关于base threshold类型的,如何确定value值,有点不太明白,比如hrStorgeUsed的值,该如何写?写成数字的话,单位是什么?[/size][/quote]
【评估多目标跟踪方法】9个高度敏捷目标在编队中的轨迹和测量研究(Matlab代码实现)内容概要:本文围绕“评估多目标跟踪方法”,重点研究9个高度敏捷目标在编队飞行中的轨迹生成与测量过程,提供完整的Matlab代码实现。文中详细模拟了目标的动态行为、运动约束及编队结构,通过仿真获取目标的状态信息与观测数据,用于验证和比较不同多目标跟踪算法的性能。研究内容涵盖轨迹建模、噪声处理、传感器测量模拟以及数据可视化等关键技术环节,旨在为雷达、无人机编队、自动驾驶等领域的多目标跟踪系统提供可复现的测试基准。; 适合人群:具备一定Matlab编程基础,从事控制工程、自动化、航空航天、智能交通或人工智能等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于多目标跟踪算法(如卡尔曼滤波、粒子滤波、GM-CPHD等)的性能评估与对比实验;②作为无人机编队、空中交通监控等应用场景下的轨迹仿真与传感器数据分析的教学与研究平台;③支持对高度机动目标在复杂编队下的可观测性与跟踪精度进行深入分析。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注轨迹生成逻辑与测量模型构建部分,可通过修改目标数量、运动参数或噪声水平来拓展实验场景,进一步提升对多目标跟踪系统设计与评估的理解。
本软件实现了一种基于时域有限差分法结合时间反转算法的微波成像技术,旨在应用于乳腺癌的早期筛查。其核心流程分为三个主要步骤:数据采集、信号处理与三维可视化。 首先,用户需分别执行“WithTumor.m”与“WithoutTumor.m”两个脚本。这两个程序将在模拟生成的三维生物组织环境中进行电磁仿真,分别采集包含肿瘤模型与不包含肿瘤模型的场景下的原始场数据。所获取的数据将自动存储为“withtumor.mat”与“withouttumor.mat”两个数据文件。 随后,运行主算法脚本“TR.m”。该程序将加载上述两组数据,实施时间反转算法。算法的具体过程是:提取两组仿真信号之间的差异成分,通过一组专门设计的数字滤波器对差异信号进行增强与净化处理,随后在数值模拟的同一组织环境中进行时间反向的电磁波传播计算。 在算法迭代计算过程中,系统会按预设的周期(每n次迭代)自动生成显示三维模拟空间内特定二维切面的电场强度分布图。通过对比观察这些动态更新的二维场分布图像,用户有望直观地识别出由肿瘤组织引起的异常电磁散射特征,从而实现病灶的视觉定位。 关于软件的具体配置要求、参数设置方法以及更深入的技术细节,请参阅软件包内附的说明文档。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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