12 Descubrimiento usando consultas SQL ODBC

Descripción general

Este tipo de descubrimiento de bajo nivel se realiza utilizando consultas SQL, cuyos resultados se transforman automáticamente en un objeto JSON adecuado para el descubrimiento de bajo nivel.

Clave de métrica

Las consultas SQL se realizan utilizando un tipo de métrica "Monitor de base de datos". Por lo tanto, la mayoría de las instrucciones en la página de monitorización ODBC se aplican para obtener una regla de descubrimiento "Monitor de base de datos" funcional.

Se pueden utilizar dos claves de métrica en las reglas de descubrimiento "Monitor de base de datos":

• db.odbc.discovery[<descripción corta única>,<dsn>,<cadena de conexión>]: esta métrica transforma el resultado de la consulta SQL en un array JSON, convirtiendo los nombres de las columnas del resultado de la consulta en nombres de macros de bajo nivel emparejados con los valores de los campos descubiertos. Estas macros pueden utilizarse para crear prototipos de métricas, disparadores, etc. Consulte también: Uso de db.odbc.discovery.

• db.odbc.get[<descripción corta única>,<dsn>,<cadena de conexión>]: esta métrica transforma el resultado de la consulta SQL en un array JSON, manteniendo los nombres originales de las columnas del resultado de la consulta como nombre de campo en JSON emparejado con los valores descubiertos. En comparación con db.odbc.discovery[], esta métrica no crea macros de bajo nivel en el JSON devuelto, por lo que no es necesario comprobar si los nombres de las columnas pueden ser nombres de macro válidos. Las macros de bajo nivel pueden definirse como un paso adicional si es necesario, utilizando la funcionalidad de macro LLD personalizada con JSONPath apuntando a los valores descubiertos en el JSON devuelto. Consulte también: Uso de db.odbc.get.

Uso de db.odbc.discovery

Como ejemplo práctico para ilustrar cómo la consulta SQL se transforma en JSON, consideremos el descubrimiento de bajo nivel de proxies de Zabbix mediante una consulta ODBC en la base de datos de Zabbix. Esto es útil para la creación automática de "zabbix[proxy,<nombre>,lastaccess]" métricas internas para monitorizar qué proxies están activos.

Comencemos con la configuración de la regla de descubrimiento:

Todos los campos obligatorios están marcados con un asterisco rojo.

Aquí, se utiliza la siguiente consulta directa en la base de datos de Zabbix para seleccionar todos los proxies de Zabbix, junto con el número de equipos que están monitorizando. El número de equipos puede usarse, por ejemplo, para filtrar proxies vacíos:

mysql> SELECT h1.host, COUNT(h2.host) AS count FROM hosts h1 LEFT JOIN hosts h2

ON h1.hostid = h2.proxyid WHERE h1.status IN (5, 6) GROUP BY h1.host; +---------+-------+ | host | count | +---------+-------+ | Japan 1 | 5 | | Japan 2 | 12 | | Latvia | 3 | +---------+-------+ 3 rows in set (0.01 sec)

Por el funcionamiento interno de la métrica "db.odbc.discovery[,{$DSN}]", el resultado de esta consulta se transforma automáticamente en el siguiente JSON:

[
           {
               "{#HOST}": "Japan 1",
               "{#COUNT}": "5"
           },
           {
               "{#HOST}": "Japan 2",
               "{#COUNT}": "12"
           },
           {
               "{#HOST}": "Latvia",
               "{#COUNT}": "3"
           }
       ]

Se puede observar que los nombres de las columnas se convierten en nombres de macros y las filas seleccionadas se convierten en los valores de estas macros.

$ grep db.odbc.discovery /tmp/zabbix_server.log
        ...
        23876:20150114:153410.856 In db_odbc_discovery() query:'SELECT h1.host, COUNT(h2.host) FROM hosts h1 LEFT JOIN hosts h2 ON h1.hostid = h2.proxy_hostid WHERE h1.status IN (5, 6) GROUP BY h1.host;'
        23876:20150114:153410.860 db_odbc_discovery() column[1]:'host'
        23876:20150114:153410.860 db_odbc_discovery() column[2]:'COUNT(h2.host)'
        23876:20150114:153410.860 End of db_odbc_discovery():NOTSUPPORTED
        23876:20150114:153410.860 Item [Zabbix server:db.odbc.discovery[proxies,{$DSN}]] error: Cannot convert column #2 name to macro.

Ahora que entendemos cómo se transforma una consulta SQL en un objeto JSON, podemos usar la macro {#HOST} en prototipos de métricas:

Una vez realizado el descubrimiento, se creará una métrica para cada proxy:

Usando db.odbc.get

Usando db.odbc.get[,{$DSN}] y el siguiente ejemplo de SQL:

mysql> SELECT h1.host, COUNT(h2.host) AS count FROM hosts h1 LEFT JOIN hosts h2

ON h1.hostid = h2.proxyid WHERE h1.status IN (5, 6) GROUP BY h1.host; +---------+-------+ | host | count | +---------+-------+ | Japan 1 | 5 | | Japan 2 | 12 | | Latvia | 3 | +---------+-------+ 3 rows in set (0.01 sec)

se devolverá este JSON:

[
           {
               "host": "Japan 1",
               "count": "5"
           },
           {
               "host": "Japan 2",
               "count": "12"
           },
           {
               "host": "Latvia",
               "count": "3"
           }
       ]

Como puede ver, no hay macros de descubrimiento de bajo nivel allí. Sin embargo, se pueden crear macros de descubrimiento de bajo nivel personalizadas en la pestaña Macros LLD de una regla de descubrimiento usando JSONPath, por ejemplo:

{#HOST} → $.host

Ahora esta macro {#HOST} puede usarse en prototipos de métricas: