Cacti - Template For VMSTAT

本文介绍如何利用VMStat工具收集服务器数据,并通过Nagios进行图形化展示,实现对服务器资源的监控与自动化运维。包括数据收集、解析、存储与图形化呈现的全过程。

Client

# vmstat 1 2, 一秒间隔,取两次,因为发现第一次不准确
command[cacti_vmstat]=/usr/bin/vmstat 1 2

Server Data Input Method

/bin/bash <path_cacti>/scripts/bigbig_vmstat_cpu.sh <server_addr>
#!/bin/bash
# bigbig_vmstat_cpu.sh
hostname=$1
result=`/usr/local/nagios/libexec/check_nrpe -H $hostname -c cacti_vmstat | tail -n 1`

# proc
running=`echo $result | awk '{print $1}'`
busy=`echo $result | awk '{print $2}'`
#echo -n "running:$running busy:$busy "

# memory
swapd=`echo $result | awk '{print $3}'` && ((swapd=$swapd*1024))
free=`echo $result | awk '{print $4}'` && ((free=$free*1024))
buff=`echo $result | awk '{print $5}'` && ((buff=$buff*1024))
cache=`echo $result | awk '{print $6}'` && ((cache=$cache*1024))
#echo -n "swapd:$swapd free:$free buff:$buff cache:$cache "

# swap
si=`echo $result | awk '{print $7}'` && ((si=$si*1024))
so=`echo $result | awk '{print $8}'` && ((so=$so*1024))
#echo -n "si:$si so:$so "

# io
bi=`echo $result | awk '{print $9}'`
bo=`echo $result | awk '{print $10}'`
#echo -n "bi:$bi bo:$bo "

# system
in=`echo $result | awk '{print $11}'`
cs=`echo $result | awk '{print $12}'`
#echo -n "in:$in cs:$cs "

# cpu
us=`echo $result | awk '{print $13}'`
sy=`echo $result | awk '{print $14}'`
id=`echo $result | awk '{print $15}'`
wa=`echo $result | awk '{print $16}'`
st=`echo $result | awk '{print $17}'`
echo -n "sdfsdf:123 user:$us system:$sy idle:$id wait:$wa stealt:$st sdf sdf sdf sdf "

Server - Template Import

http://pan.baidu.com/s/1dD34F1B

Use Script Add The Graph

#!/bin/bash

ip=$1

# 判断是否存在,如果存在就退出
hostfind=`php add_graphs.php --list-hosts | grep $ip$ | wc -l`
[ $hostfind -eq 1 ] && ( echo "host $ip 已经存在 ";exit 0 )

# 添加hosts
php add_device.php --description=$ip --ip=$ip --template=9
hostid=`php add_graphs.php --list-hosts | grep $ip$ | awk '{print $1}'`

echo $hostid
#exit 0

#[[ $hostid -gt 70 ]] || exit 0

# 开始画vmstat
php add_graphs.php --graph-type=cg --graph-template-id=64 --host-id=$hostid --input-fields="server_addr=$ip"
php add_graphs.php --graph-type=cg --graph-template-id=73 --host-id=$hostid --input-fields="server_addr=$ip"
php add_graphs.php --graph-type=cg --graph-template-id=74 --host-id=$hostid --input-fields="server_addr=$ip"
php add_graphs.php --graph-type=cg --graph-template-id=75 --host-id=$hostid --input-fields="server_addr=$ip"
基于分布式模型预测控制的多个固定翼无人机一致性控制(Matlab代码实现)内容概要:本文围绕“基于分布式模型预测控制的多个固定翼无人机一致性控制”展开,采用Matlab代码实现相关算法,属于顶级EI期刊的复现研究成果。文中重点研究了分布式模型预测控制(DMPC)在多无人机系统中的一致性控制问题,通过构建固定翼无人机的动力学模型,结合分布式协同控制策略,实现多无人机在复杂环境下的轨迹一致性和稳定协同飞行。研究涵盖了控制算法设计、系统建模、优化求解及仿真验证全过程,并提供了完整的Matlab代码支持,便于读者复现实验结果。; 适合人群:具备自动控制、无人机系统或优化算法基础,从事科研或工程应用的研究生、科研人员及自动化、航空航天领域的研发工程师;熟悉Matlab编程和基本控制理论者更佳; 使用场景及目标:①用于多无人机协同控制系统的算法研究与仿真验证;②支撑科研论文复现、毕业设计或项目开发;③掌握分布式模型预测控制在实际系统中的应用方法,提升对多智能体协同控制的理解与实践能力; 阅读建议:建议结合提供的Matlab代码逐模块分析,重点关注DMPC算法的构建流程、约束处理方式及一致性协议的设计逻辑,同时可拓展学习文中提及的路径规划、编队控制等相关技术,以深化对无人机集群控制的整体认知。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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