1. 简介

本文以一个数据中心的服务器监控为例，详细介绍通过开源的轻量级的工具 Telegraf ，轻松采集系统 CPU、内存、磁盘、网络等系统监控指标，将数据写入 TDengine TSDB 时序数据库，然后通过 TDengine IDMP，利用 AI 自动生成可视化面板和实时分析，帮助您几分钟就构建一套稳定、高效的服务器监控解决方案。

在这个方案中，TDengine TSDB + TDengine IDMP 的组合能够为您带来四大好处：

1. 轻松完成数据导入：TDengine IDMP 与 TDengine TSDB 无缝集成，当监控数据写入 TSDB 后，能够快速导入 IDMP 并以树形结构的方式展现被监控的物理机和虚拟机，IT 资产一目了然。
2. 无问智推，数据自己说话：不用在 TDengine 侧做任何配置，不用脚本，不用提问，IDMP 会基于采集的数据，自动判断为 IT 监测场景，自动为您推荐面板和实时预警，服务器的运行状态尽在掌控之中。
3. 智能问数，随问随答：不用 SQL，不用任何脚本语言，你只要用自然语言说出感兴趣的数据分析或监测面板，IDMP 将会自动帮您创建，把数据可视化与分析的使用门槛降为 0；
4. 如果添加新的被监测的服务器，只要配置好 Telegraf， 在 TDengine 侧不用做任何设置和操作，服务器就被自动的加入到监测的对象中，最大程度节省人力。

2. 前提条件

• TDengine 云服务实例，如果您没有可用的 TDengine 云服务实例，可以免费注册
• 一个被监控的服务器，假设其具如下物理信息：
  • 所在位置：IDC01
  • 机架号：RACK02
  • 机架上的槽位号：SLOT03
  • IP 地址：192.168.1.123

3. 配置指南

3.1 创建 IDMP 云服务实例

1. 使用您的账号，登录 TDengine Cloud，在弹出的 TDengine 实例选择框中，选择“IDMP（工业数据管理平台）”。
2. 在实例配置页面，分别配置 IDMP 实例和 TSDB 实例的信息和计费方案：
   • IDMP（工业数据管理平台）：
     • 实例名称：telegraf-idmp
     • 计费方案：IDMP-入门版
   • TSDB（时序数据库）
     • 实例名称：telegraf-tsdb
     • 计费方案：入门版
3. 等待 IDMP 实例启动后，选择加载一个场景的示例数据，即可进入 IDMP 云服务的主页面。

说明：TDengine IDMP 服务默认使用 TDengine TSDB 作为其数据源，在 IDMP 云服务实例创建过程中，会自动创建到上述 TSDB 的连接。

3.2 在 TSDB 云服务实例创建 DB

1. 进入 IDMP 云服务实例的主页面后，点击右上角下拉菜单中的【管理后台】。
2. 在管理后台页面点击【云资源管理】，进入云资源管理页面。
3. 在实例列表中，请记录访问 TDengine TSDB 实例的 Gateway URL 和令牌 （token），以备稍后配置 Telegraf 时使用。
4. 在实例列表中找到 telegraf-tsdb 实例，点击【TSDB 云服务】，进入 TSDB 云服务页面。
5. 在左侧点击【数据浏览器】，在数据浏览器页面点击【创建数据库】。
6. 设置数据库名称为 telegraf，完成 DB 创建。

3.3 在被监控服务器上安装 Telegraf

在被监控的服务其上，通过以下命令，即可安装 Telegraf:

curl -sL https://repos.influxdata.com/influxdb.key | sudo apt-key add -
echo "deb https://repos.influxdata.com/ubuntu $(lsb_release -cs) stable" | \
  sudo tee /etc/apt/sources.list.d/influxdb.list
sudo apt-get update
sudo apt-get install telegraf

3.4 配置 Telegraf

执行以下命令，生成 Telegraf 的配置文件：

cat << EOF | sudo tee /etc/telegraf/telegraf.conf
[global_tags]
  location = "IDC01"
  rack_num = "RACK02"
  slot_num = "SLOT03"
  ip_address = "192_168_1_123"
  servers = "IDC01.RACK02"



[agent]
  # 所有输入的默认数据收集间隔
  interval = "10s"
  # Telegraf将指标发送到大多数metric_batch_size指标的批量输出
  metric_batch_size = 1000
  # Telegraf将缓存metric_buffer_limit每个输出的指标，并在成功写入时刷新此缓冲区。这应该是倍数 metric_batch_size不能少于2倍metric_batch_size
  metric_buffer_limit = 10000
  # 集合抖动用于随机抖动集合。插件在收集之前将在抖动内随机休眠一段时间。可以用来避免许多插件同时查询sysfs之类的东西，这会对系统产生可测量的影响。
  collection_jitter = "0s"
  # 所有输出的默认数据刷新间隔。您不应将此设置为以下间隔。最大值flush_interval为flush_interval+flush_jitter
  flush_interval = "10s"
  # 将刷新间隔抖动一个随机量。主要是为了避免运行大量Telegraf实例的用户出现大量写入峰值。
  flush_jitter = "0s"

[[inputs.cpu]]
  name_override = "server_cpu"
  percpu = false
  totalcpu = true
  [inputs.cpu.tags]
    metric_tag = "SLOT03_cpu"

[[inputs.mem]]
  name_override = "server_memory"
  fieldpass = ["used_percent", "available", "total", "used", "cached", "free"]
  [inputs.mem.tags]
    metric_tag = "SLOT03_memory"

[[inputs.disk]]
  name_override = "server_disk"
  fieldpass = ["used_percent", "available", "total", "used", "cached", "free"]
  [inputs.disk.tags]
    metric_tag = "SLOT03_disk"

[[inputs.nstat]]
  name_override = "server_network"
  fieldpass = ["TcpInSegs", "TcpOutSegs", "TcpRetransSegs", "UdpInDatagrams", "UdpOutDatagrams"]
  [inputs.nstat.tags]
    metric_tag = "SLOT03_network"

[[inputs.processes]]
  name_override = "server_processes"
  fieldpass = ["total", "running", "sleeping", "stopped", "zombies"]
  [inputs.processes.tags]
    metric_tag = "SLOT03_processes"

[[inputs.system]]
  name_override = "server_system"
  fieldpass = ["load1", "load5", "load15", "uptime", "n_cpus", "n_users"]
  [inputs.system.tags]
    metric_tag = "SLOT03_system"

[[outputs.http]]
  url = "https://<gateway-url>/influxdb/v1/write?db=telegraf&token=<gateway-token>&table_name_key=metric_tag"
  method = "POST"
  timeout = "5s"
  data_format = "influx"
  [outputs.http.headers]
    Content-Type = "application/x-www-form-urlencoded"
EOF

说明：

• 在 global_tags 小节，配置了服务器的基本信息，其中 path 标签用来标识元素的路径，例如这里设置的 IDC01.RACK02，导入 TDengine IDMP 后，在元素浏览器中，将以树形结构展开为 IDC01 -> RACK02。
• 在 agent 小节，配置了 Telegraf 的采集频率等信息。
• 在输入插件小节，开启了对 CPU， 内存，磁盘等的监控，每个指标均配置了 metric_tag 标签，其应具有唯一性，这里选用了 slot number + metric name 的形式，结合 global_tags 小节的 path, 即可唯一确定某个服务器的一个监控指标；
• 在输出插件小节，配置将监控指标通过 taosadapter 写入 TDengine TSDB
  • 每种类型的输入指标，在写入 TSDB 时，都会写入一个超级表 （stable）
  • url 中的 db 为在 3.2 小节创建的 DB 的 telegraf
  • url 中的 <gateway-url> 和 <gateway-token> 为访问 TDengine TSDB 实例时所需的 Gateway 信息，请替换为 3.2 小节记录的 TDengine TSDB 实例 Gateway 的 URL 和 Token
  • 参数 table_name_key=metric_tag 将把 metric_tag 作为子表名，写入 TSDB 时将不再包含这个标签

3.5 启动 Telegraf

完成配置后，使用以下命令启动 Telegraf:

sudo systemctl start telegraf

使用以下命令，查看 Telegraf 服务状态：

sudo systemctl status telegraf

如果服务的状态为 active (running）， 则说明 Telegraf 服务已启动成功。

如果期望监控多个物理机或虚拟机，仅需重复以上步骤即可。

3.6 在 IDMP 中加载 Metrics 数据

通过以下步骤，将 TDengine TSDB 的数据加载至 TDengine IDMP 以创建面板和分析：

• 登录 IDMP 实例，在管理后台找到 telegraf-tsdb 连接。
• 在 telegraf-tsdb 连接页面上方的导航栏中，选择【数据导入】。
• 在数据导入配置页面，选择 telegraf 数据库。
• 检查所有超级表的 Tags 配置项，选择 path 列做为每个超级表的 Tree。
• 点击【完成】，等待数据导入任务完成。

3.7 查看元素信息

导入至 TDengine IDMP 的服务器监控指标，会以树形结构的方式展示，可以根据其物理信息一层层展开，便于查看：

• 看到导入完成的提示后，点击主菜单【元素浏览器】，跳转至元素浏览器页面。
• 在左侧资源浏览器中，IDMP 会自动根据服务器的物理信息，以树形结构的方式展示服务器的监控指标。在这里，依次展开 path -> IDC01 -> RACK02 -> SLOT03_cpu，通过上方路径导航菜单选择【属性】，查看 TDengine TSDB 中存储的 SLOT03 物理机 CPU 资源指标。

3.8 体验 AI 生成面板

• 在左侧资源浏览器中，点击 path -> IDC01 -> RACK02 -> SLOT03_cpu 元素，跳转至该元素的 AI 推荐面板页面。
• 等待 AI 生成面板推荐后，您可根据需求进行选择，例如：“过去一小时 CPU 空闲利用率（usage_idle）每分钟的变化趋势，折线图”，在您感兴趣的面板右上方的菜单中，点击【生成】按钮。
• 等待面板生成后，在面板右下角点击【保存】，即可在下方面板列表中查看 SLOT03_cpu 元素下对应的面板。
• 面板生成后，您还可以在该面板的详情页面中，查看 AI 创建面板时，使用的 SQL 语句：

SELECT _wstart,AVG(`usage_idle`) AS `usage_idle`
FROM `idmp`.`vt_SLOT03_cpu_573105`
WHERE  _c0 >= now-1h and _c0 <= now INTERVAL(1m) SLIDING(1m) 

3.9 体验 AI 分析

• 在左侧资源浏览器中，点击 path -> IDC01 -> RACK02 -> SLOT03_cpu 元素，通过上方路径导航菜单选择【分析】，跳转至该元素的 AI 推荐分析页面。
• 等待 AI 生成分析问题推荐后，您可以根据需求进行选择，例如：“physical_cpu:SLOT03_cpu 的实时 usage_system 超过 80%持续超过 10 分钟时，常规告警，计算平均 usage_system，事件窗口”，点击您感兴趣的问题链接，以进入分析编辑页面，点击页面最下方的【保存】。
• 退回到分析列表中，即可查看对应的分析。

4. 更多

除了使用云服务以外，TDengine 还支持以私有化部署。为了简化部署，我们提供了 Ansible， Docker/Dcoker Compose， Helm 等多种部署方式，详见：https://github.com/taosdata/tdengine-idmp-deployment

5. 配置 Telegraf 小技巧

• 与正常配置 Telegraf 不一样的是，需要把给监测的对象（服务器、虚拟机、应用等） 配置一个路径标签 (path)，把资源的层次结构在标签里描述出来，中间用 “.” 进行分割，比如 “IDC01.RACK02.SLOT01″， 这样就可以对每一级的资源进行统计监测。而且还可以配置多个层次结构标签，便于从不同维度进行管理，比如”OS.Linux.Ubuntu”， 从 OS 维度进行统计监测。
• 在 Telegraf 的配置里，还需要配置好参数 metric_tag， 建议用一个有可读性并具有唯一性的名字，它是被监测对象的名字。

6. 小结

本文以 Step by Step 的方式，介绍了如何使用 Telegraf + TDengine TSDB + TDengine IDMP 快速搭建一个 IT 监控系统。以往需要几个小时、甚至几天，并进行繁琐的配置、调试才能搭建起来的系统，使用 TDengine IDMP 后，仅需要几分钟即可搞定。日后，如果有新的物理机、虚拟机需要被纳入到监控系统中，只需在被监控系统部署 Telegraf 即可。

搭建整个监测系统的工作全部在 Telegraf 的配置上了，无需编写复杂的 SQL 语句，无需脚本和其他配置，无需学习 Grafana， 无需了解多少 IT 运维知识，即可轻松掌握 IT 系统的运行状态，成为 IT 系统监测专家。