AI/ML વર્કલોડ માટે જુનોસમાં ટેલિમેટ્રી
લેખકઃ શાલિની મુખર્જી

પરિચય

જેમ કે AI ક્લસ્ટર ટ્રાફિકને ઉચ્ચ થ્રુપુટ અને ઓછી વિલંબ સાથે લોસલેસ નેટવર્કની જરૂર છે, AI નેટવર્કનું એક મહત્વપૂર્ણ તત્વ મોનિટરિંગ ડેટાનો સંગ્રહ છે. જુનોસ ટેલિમેટ્રી ભીડ વ્યવસ્થાપન અને ટ્રાફિક લોડ સંતુલન માટે થ્રેશોલ્ડ અને કાઉન્ટર્સ સહિત મુખ્ય પ્રદર્શન સૂચકાંકોનું દાણાદાર દેખરેખને સક્ષમ કરે છે. gRPC સત્રો ટેલિમેટ્રી ડેટાના સ્ટ્રીમિંગને સમર્થન આપે છે. gRPC એ આધુનિક, ઓપન-સોર્સ, ઉચ્ચ પ્રદર્શન ફ્રેમવર્ક છે જે HTTP/2 પરિવહન પર બનેલ છે. તે મૂળ દ્વિપક્ષીય સ્ટ્રીમિંગ ક્ષમતાઓને સશક્ત બનાવે છે અને વિનંતી હેડરમાં ફ્લેક્સિબલ કસ્ટમ-મેટાડેટાનો સમાવેશ કરે છે. ટેલિમેટ્રીમાં પ્રારંભિક પગલું એ જાણવાનું છે કે કયો ડેટા એકત્રિત કરવાનો છે. પછી અમે વિવિધ ફોર્મેટમાં આ ડેટાનું વિશ્લેષણ કરી શકીએ છીએ. એકવાર અમે ડેટા એકત્રિત કરી લઈએ, તે પછી તેને મોનિટર કરવા, નિર્ણયો લેવા અને ઑફર કરવામાં આવતી સેવાને બહેતર બનાવવા માટે સરળ હોય તેવા ફોર્મેટમાં પ્રસ્તુત કરવું મહત્વપૂર્ણ છે. આ પેપરમાં, અમે ટેલિગ્રાફ, ઇન્ફ્લક્સડીબી અને ગ્રાફનાનો સમાવેશ કરતા ટેલિમેટ્રી સ્ટેકનો ઉપયોગ કરીએ છીએ. આ ટેલિમેટ્રી સ્ટેક પુશ મોડલનો ઉપયોગ કરીને ડેટા એકત્રિત કરે છે. પરંપરાગત પુલ મોડલ્સ સંસાધન-સઘન હોય છે, મેન્યુઅલ હસ્તક્ષેપની જરૂર હોય છે, અને તેઓ જે ડેટા એકત્રિત કરે છે તેમાં માહિતીના અંતરનો સમાવેશ કરી શકે છે. પુશ મોડલ્સ અસુમેળ રીતે ડેટા વિતરિત કરીને આ મર્યાદાઓને દૂર કરે છે. તેઓ વપરાશકર્તા મૈત્રીપૂર્ણ ઉપયોગ કરીને ડેટાને સમૃદ્ધ બનાવે છે tags અને નામો. એકવાર ડેટા વધુ વાંચી શકાય તેવા ફોર્મેટમાં આવી જાય, અમે તેને ડેટાબેઝમાં સંગ્રહિત કરીએ છીએ અને તેનો ઇન્ટરેક્ટિવ વિઝ્યુલાઇઝેશનમાં ઉપયોગ કરીએ છીએ. web નેટવર્ક વિશ્લેષણ માટે એપ્લિકેશન. આકૃતિ. 1 અમને બતાવે છે કે આ સ્ટેક કેવી રીતે કાર્યક્ષમ ડેટા સંગ્રહ, સંગ્રહ અને વિઝ્યુલાઇઝેશન માટે ડિઝાઇન કરવામાં આવ્યું છે, નેટવર્ક ઉપકરણોથી ડેટાને કલેક્ટર સુધી પહોંચાડતા ડેટાને વિશ્લેષણ માટે ડેશબોર્ડ્સ પર પ્રદર્શિત કરવામાં આવે છે.

TIG સ્ટેક

અમે TIG સ્ટેક સહિત તમામ સોફ્ટવેર ઇન્સ્ટોલ કરવા માટે ઉબુન્ટુ સર્વરનો ઉપયોગ કર્યો છે.

ટેલિગ્રાફ
ડેટા એકત્રિત કરવા માટે, અમે 22.04.2 પર ચાલતા ઉબુન્ટુ સર્વર પર ટેલિગ્રાફનો ઉપયોગ કરીએ છીએ. આ ડેમોમાં ચાલતું ટેલિગ્રાફ વર્ઝન 1.28.5 છે.
ટેલિગ્રાફ મેટ્રિક્સ એકત્રિત કરવા અને જાણ કરવા માટે પ્લગઇન સંચાલિત સર્વર એજન્ટ છે. તે પ્રોસેસરનો ઉપયોગ કરે છે plugins ડેટાને સમૃદ્ધ અને સામાન્ય બનાવવા માટે. આઉટપુટ plugins વિવિધ ડેટા સ્ટોર્સને આ ડેટા મોકલવા માટે વપરાય છે. આ દસ્તાવેજમાં આપણે બેનો ઉપયોગ કરીએ છીએ plugins: એક ઓપન કોન્ફીગ સેન્સર માટે અને બીજું જ્યુનિપર નેટીવ સેન્સર માટે.
ઇન્ફ્લક્સડીબી
ટાઈમ સીરીઝ ડેટાબેઝમાં ડેટા સ્ટોર કરવા માટે, અમે InfluxDB નો ઉપયોગ કરીએ છીએ. ટેલિગ્રાફમાં આઉટપુટ પ્લગઇન ડેટાને ઇન્ફ્લક્સડીબીને મોકલે છે, જે તેને અત્યંત કાર્યક્ષમ રીતે સંગ્રહિત કરે છે. અમે V1.8 નો ઉપયોગ કરી રહ્યા છીએ કારણ કે V2 અને તેથી વધુ માટે કોઈ CLI હાજર નથી.
ગ્રાફના
આ ડેટાને વિઝ્યુઅલાઈઝ કરવા માટે ગ્રાફનાનો ઉપયોગ થાય છે. Grafana InfluxDB માંથી ડેટા ખેંચે છે અને વપરાશકર્તાઓને સમૃદ્ધ અને ઇન્ટરેક્ટિવ ડેશબોર્ડ્સ બનાવવાની મંજૂરી આપે છે. અહીં, અમે વર્ઝન 10.2.2 ચલાવી રહ્યા છીએ.

સ્વીચ પર રૂપરેખાંકન

આ સ્ટેકને અમલમાં મૂકવા માટે, આપણે સૌપ્રથમ આકૃતિ 2 માં બતાવ્યા પ્રમાણે સ્વીચને ગોઠવવાની જરૂર છે. અમે પોર્ટ 50051 નો ઉપયોગ કર્યો છે. કોઈપણ પોર્ટનો અહીં ઉપયોગ કરી શકાય છે. QFX સ્વીચમાં લોગ ઇન કરો અને નીચેનું રૂપરેખાંકન ઉમેરો.

નોંધ: આ કન્ફિગરેશન લેબ્સ/પીઓસી માટે છે કારણ કે પાસવર્ડ સ્પષ્ટ ટેક્સ્ટમાં ટ્રાન્સમિટ થાય છે. આને ટાળવા માટે SSL નો ઉપયોગ કરો.

પર્યાવરણ

એનજિન્ક્સ
જો તમે Grafana હોસ્ટ કરેલ છે તે પોર્ટને ખુલ્લું પાડવામાં અસમર્થ હોય તો આ જરૂરી છે. આગળનું પગલું એ રિવર્સ પ્રોક્સી એજન્ટ તરીકે સેવા આપવા માટે ઉબુન્ટુ સર્વર પર nginx ઇન્સ્ટોલ કરવાનું છે. એકવાર nginx ઇન્સ્ટોલ થઈ જાય, પછી આકૃતિ 4 માં બતાવેલ રેખાઓને "ડિફોલ્ટ" ફાઇલમાં ઉમેરો અને ફાઇલને /etc/nginx માંથી /etc/nginx/sites-enabled પર ખસેડો.

ખાતરી કરો કે આકૃતિ 5 માં બતાવ્યા પ્રમાણે nginx સેવાની સંપૂર્ણ ઍક્સેસ આપવા માટે ફાયરવોલ એડજસ્ટ કરવામાં આવી છે.

એકવાર nginx ઇન્સ્ટોલ થઈ જાય અને જરૂરી ફેરફારો કરવામાં આવે, અમે એમાંથી Grafana ને ઍક્સેસ કરવા માટે સમર્થ હોવા જોઈએ web ઉબુન્ટુ સર્વરના IP સરનામાંનો ઉપયોગ કરીને બ્રાઉઝર જ્યાં તમામ સોફ્ટવેર ઇન્સ્ટોલ કરેલ છે.
Grafana માં એક નાની ભૂલ છે જે તમને ડિફોલ્ટ પાસવર્ડ રીસેટ કરવા દેતી નથી. જો તમને આ સમસ્યા આવે તો આ પગલાંઓનો ઉપયોગ કરો.
ગ્રાફનામાં પાસવર્ડ સેટ કરવા માટે ઉબુન્ટુ સર્વર પર કરવાનાં પગલાં:

• /var/lib/grafana/grafana.db પર જાઓ
• sqllite3 ઇન્સ્ટોલ કરો
  o sudo apt sqlite3 ઇન્સ્ટોલ કરો
• તમારા ટર્મિનલ પર આ આદેશ ચલાવો
  o sqlite3 grafana.db
•  Sqlite કમાન્ડ પ્રોમ્પ્ટ ખુલે છે; નીચેની ક્વેરી ચલાવો:
  >વપરાશકર્તા જ્યાં login='admin'
• ગ્રાફના પુનઃપ્રારંભ કરો અને વપરાશકર્તા નામ અને પાસવર્ડ તરીકે એડમિન લખો. તે નવા પાસવર્ડ માટે પૂછે છે.

એકવાર બધા સૉફ્ટવેર ઇન્સ્ટોલ થઈ જાય, પછી ટેલિગ્રાફમાં કન્ફિગ ફાઇલ બનાવો જે સ્વીચમાંથી ટેલિમેટ્રી ડેટાને ખેંચવામાં અને તેને InfluxDB પર દબાણ કરવામાં મદદ કરશે.

Openconfig સેન્સર પ્લગઇન

ઉબુન્ટુ સર્વર પર, તમામ જરૂરી ઉમેરવા માટે /etc/telegraf/telegraf.conf ફાઈલમાં ફેરફાર કરો. plugins અને સેન્સર્સ. ઓપનકોન્ફિગ સેન્સર્સ માટે, અમે આકૃતિ 6 માં દર્શાવેલ gNMI પ્લગઇનનો ઉપયોગ કરીએ છીએ. ડેમો હેતુઓ માટે, હોસ્ટનામને "સ્પાઇન1", પોર્ટ નંબર "50051" તરીકે ઉમેરો જેનો ઉપયોગ gRPC માટે થાય છે, સ્વીચનું વપરાશકર્તાનામ અને પાસવર્ડ અને નંબર ઉમેરો. નિષ્ફળતાના કિસ્સામાં ફરીથી ડાયલ કરવા માટે સેકન્ડની.
સબ્સ્ક્રિપ્શન સ્ટેન્ઝામાં, આ ચોક્કસ સેન્સર, સેન્સર પાથ અને સ્વીચમાંથી આ ડેટા મેળવવા માટે સમય અંતરાલ માટે એક અનન્ય નામ, "cpu" ઉમેરો. બધા ઓપન કોન્ફીગ સેન્સર માટે સમાન પ્લગઈન inputs.gnmi અને inputs.gnmi.subscription ઉમેરો. (આકૃતિ 6)

મૂળ સેન્સર પ્લગઇન

આ એક જ્યુનિપર ટેલિમેટ્રી ઇન્ટરફેસ પ્લગઇન છે જેનો ઉપયોગ મૂળ સેન્સર માટે થાય છે. એ જ telegraf.conf ફાઈલમાં, નેટિવ સેન્સર પ્લગઈન inputs.jti_openconfig_telemetry ઉમેરો જ્યાં ફીલ્ડ લગભગ openconfig જેવા જ હોય. દરેક સેન્સર માટે અનન્ય ક્લાયંટ ID નો ઉપયોગ કરો; અહીં, આપણે "telegraf3" નો ઉપયોગ કરીએ છીએ. આ સેન્સર માટે અહીં વપરાતું અનોખું નામ છે “મેમ” (આકૃતિ 7).

છેલ્લે, InfluxDB ને આ સેન્સર ડેટા મોકલવા માટે outputs.influxdb આઉટપુટ પ્લગઇન ઉમેરો. અહીં, ડેટાબેઝને "ટેલિગ્રાફ" નામ આપવામાં આવ્યું છે જેમાં વપરાશકર્તાનામ "ઇન્ફ્લક્સ" અને પાસવર્ડ "ઇન્ફ્લક્સડીબી" (આકૃતિ 8) છે.

એકવાર તમે telegraf.conf ફાઇલને સંપાદિત કરી લો, પછી ટેલિગ્રાફ સેવા પુનઃપ્રારંભ કરો. હવે, બધા અનન્ય સેન્સર માટે માપન બનાવવામાં આવ્યું છે કે કેમ તેની ખાતરી કરવા માટે InfluxDB CLI માં તપાસો. InfluxDB CLI દાખલ કરવા માટે "influx" ટાઇપ કરો.

આકૃતિમાં જોયું તેમ. 9, influxDB પ્રોમ્પ્ટ દાખલ કરો અને ડેટાબેઝ "ટેલિગ્રાફ" નો ઉપયોગ કરો. સેન્સરને આપવામાં આવેલા તમામ અનન્ય નામો માપ તરીકે સૂચિબદ્ધ છે.
કોઈપણ એક માપનનું આઉટપુટ જોવા માટે, ફક્ત ખાતરી કરવા માટે કે ટેલિગ્રાફ ફાઇલ સાચી છે અને સેન્સર કામ કરી રહ્યું છે, આકૃતિ 1 માં બતાવ્યા પ્રમાણે "સીપીયુ મર્યાદા 10 માંથી * પસંદ કરો" આદેશનો ઉપયોગ કરો.

જ્યારે પણ telegraf.conf ફાઇલમાં ફેરફારો કરવામાં આવે છે, ત્યારે ખાતરી કરો કે InfluxDB બંધ કરો, Telegraf પુનઃશરૂ કરો અને પછી InfluxDB શરૂ કરો.
બ્રાઉઝરમાંથી Grafana પર લોગ ઓન કરો અને ડેટા યોગ્ય રીતે એકત્રિત થઈ રહ્યો છે તેની ખાતરી કર્યા પછી ડેશબોર્ડ બનાવો.
જોડાણો > InfuxDB > નવા ડેટા સ્ત્રોત ઉમેરો પર જાઓ.

1. આ ડેટા સ્ત્રોતને નામ આપો. આ ડેમોમાં તે "ટેસ્ટ-1" છે.
2.  HTTP શ્લોક હેઠળ, Ubuntu સર્વર IP અને 8086 પોર્ટનો ઉપયોગ કરો.
   
3. InfluxDB વિગતોમાં, સમાન ડેટાબેઝ નામ, “telegraf” નો ઉપયોગ કરો અને Ubuntu સર્વરનું વપરાશકર્તાનામ અને પાસવર્ડ પ્રદાન કરો.
4. સેવ અને ટેસ્ટ પર ક્લિક કરો. ખાતરી કરો કે તમે સંદેશ જુઓ છો, “સફળ”.
   
5. એકવાર ડેટા સ્ત્રોત સફળતાપૂર્વક ઉમેરાઈ જાય, પછી ડેશબોર્ડ્સ પર જાઓ અને નવું ક્લિક કરો. ચાલો થોડા ડેશબોર્ડ બનાવીએ જે એડિટર મોડમાં AI/ML વર્કલોડ માટે જરૂરી છે.

Exampસેન્સર ગ્રાફના લેસ

નીચેના ભૂતપૂર્વ છેampAI/ML નેટવર્કની દેખરેખ માટે જરૂરી એવા કેટલાક મુખ્ય કાઉન્ટર્સની સંખ્યા.
પર્સેનtagસ્પાઇન-0 પર ઇન્ગ્રેસ ઇન્ટરફેસ et-0/0/1 માટે e ઉપયોગ

• ટેસ્ટ-1 તરીકે ડેટા સ્ત્રોત પસંદ કરો.
• FROM વિભાગમાં, માપને "ઇન્ટરફેસ" તરીકે પસંદ કરો. આ સેન્સર પાથ માટે વપરાયેલ અનન્ય નામ છે.
• WHERE વિભાગમાં, ઉપકરણ પસંદ કરો::tag, અને માં tag મૂલ્ય, સ્વીચનું હોસ્ટનામ પસંદ કરો, એટલે કે, સ્પાઇન1.
• SELECT વિભાગમાં, તમે મોનિટર કરવા માંગો છો તે સેન્સર શાખા પસંદ કરો; આ કિસ્સામાં "ફીલ્ડ(/ઇન્ટરફેસ/ઇન્ટરફેસ[if_name='et-0/0/0']/state/counters/if_in_1s_octets)" પસંદ કરો. હવે એ જ વિભાગમાં, “+” પર ક્લિક કરો અને આ ગણતરી ગણિત ઉમેરો (/50000000000 * 100). અમે મૂળભૂત રીતે ટકાવારીની ગણતરી કરીએ છીએtage 400G ઇન્ટરફેસનો ઉપયોગ.
• ખાતરી કરો કે ફોર્મેટ "સમય-શ્રેણી" છે અને ALIAS વિભાગમાં ગ્રાફને નામ આપો.

કોઈપણ કતાર માટે પીક બફર ઓક્યુપન્સી

• ટેસ્ટ-1 તરીકે ડેટા સ્ત્રોત પસંદ કરો.
• FROM વિભાગમાં, માપને "બફર" તરીકે પસંદ કરો.
• WHERE વિભાગમાં, ભરવા માટે ત્રણ ફીલ્ડ છે. ઉપકરણ પસંદ કરો::tag, અને માં tag મૂલ્ય સ્વીચનું હોસ્ટનામ પસંદ કરો (એટલે ​​કે સ્પાઇન-1); અને પસંદ કરો /cos/interfaces/interface/@name::tag અને ઈન્ટરફેસ પસંદ કરો (એટલે ​​કે et- 0/0/0); અને કતાર પણ પસંદ કરો, /cos/interfaces/interface/queues/queue/@queue::tag અને કતાર નંબર 4 પસંદ કરો.
• SELECT વિભાગમાં, તમે મોનિટર કરવા માંગો છો તે સેન્સર શાખા પસંદ કરો; આ કિસ્સામાં "ફીલ્ડ(/cos/interfaces/interface/queues/queue/PeakBufferOccupancy)" પસંદ કરો.
• ખાતરી કરો કે ફોર્મેટ "સમય-શ્રેણી" છે અને ALIAS વિભાગમાં ગ્રાફને નામ આપો.

તમે et-17/0/0, et-0/0/0, et-1/0/0 વગેરે માટે આકૃતિ 2 માં જોયેલા સમાન ગ્રાફ પર બહુવિધ ઇન્ટરફેસ માટે ડેટા ભેગા કરી શકો છો.

PFC અને ECN નો અર્થ વ્યુત્પન્ન થાય છે

સરેરાશ વ્યુત્પન્ન (સમય શ્રેણીમાં મૂલ્યમાં તફાવત) શોધવા માટે, કાચી ક્વેરી મોડનો ઉપયોગ કરો.
આ ઇન્ફ્લક્સ ક્વેરી છે જેનો ઉપયોગ અમે એક સેકન્ડમાં સ્પાઇન-0 ના ET-0/0/1 પર બે PFC મૂલ્યો વચ્ચેનો સરેરાશ વ્યુત્પન્ન શોધવા માટે કર્યો છે.
વ્યુત્પન્ન પસંદ કરો(માર્ગ(“/interfaces/interface[if_name='et-0/0/0′]/state/pfc-counter/tx_pkts”), 1s) “ઇન્ટરફેસ” ક્યાંથી (“ઉપકરણ”::tag = 'સ્પાઈન-1') અને $timeFilter GROUP BY time($interval)

વ્યુત્પન્ન પસંદ કરો("/ઇન્ટરફેસ/ઇન્ટરફેસ[if_name='et-0/0/8′]/state/error-counters/ecn_ce_marked_pkts"), 1s) "ઇન્ટરફેસ" થી ક્યાં ("ઉપકરણ"::tag = 'સ્પાઈન-1') અને $timeFilter GROUP BY time($interval)

ઇનપુટ સંસાધન ભૂલોનો અર્થ વ્યુત્પન્ન થાય છે

સંસાધન ભૂલો માટેની કાચી ક્વેરીનો અર્થ વ્યુત્પન્ન છે:
વ્યુત્પન્ન પસંદ કરો("/ઇન્ટરફેસ/ઇન્ટરફેસ[if_name='et-0/0/0′]/state/error-counters/if_in_resource_errors"), 1s) "ઇન્ટરફેસ" ક્યાંથી ("ઉપકરણ"::tag = 'સ્પાઈન-1') અને $timeFilter GROUP BY time($interval)

પૂંછડીના ટીપાંનો અર્થ વ્યુત્પન્ન થાય છે

ટેલ ડ્રોપ્સ માટે કાચી ક્વેરીનો અર્થ વ્યુત્પન્ન છે:
વ્યુત્પન્ન પસંદ કરો(મીન("/cos/interfaces/interface/queues/queue/tailDropBytes"), 1s) "બફર" ક્યાંથી ("ઉપકરણ"::tag = 'લીફ-1' અને “/cos/interfaces/interface/@name”::tag = 'et-0/0/0' અને “/cos/interfaces/interface/queues/queue/@queue”::tag = '4') અને $timeFilter GROUP BY time($__interval) ll(null)
 CPU ઉપયોગ

• ટેસ્ટ-1 તરીકે ડેટા સ્ત્રોત પસંદ કરો.
• FROM વિભાગમાં, "newcpu" તરીકે માપ પસંદ કરો
• WHERE માં, ભરવા માટે ત્રણ ક્ષેત્રો છે. ઉપકરણ પસંદ કરો::tag અને માં tag મૂલ્ય સ્વીચનું હોસ્ટનામ પસંદ કરો (એટલે ​​કે સ્પાઇન-1). અને/ઘટક/ઘટક/ગુણધર્મ/સંપત્તિ/નામમાં:tag, અને cpuutilization-total AND નામમાં પસંદ કરો::tag RE0 પસંદ કરો.
• SELECT વિભાગમાં, તમે મોનિટર કરવા માંગો છો તે સેન્સર શાખા પસંદ કરો. આ કિસ્સામાં, "ફીલ્ડ(સ્ટેટ/વેલ્યુ)" પસંદ કરો.

બિટ્સ/સેકન્ડમાં બહુવિધ ઇન્ટરફેસ પર બહુવિધ સ્વિચ માટે ટેલ ડ્રોપ્સના બિન-નકારાત્મક વ્યુત્પન્ન શોધવા માટેની કાચી ક્વેરી.
બિન_નેગેટિવ_ડેરિવેટિવ પસંદ કરો(મીન("/cos/interfaces/interface/queues/queue/tailDropBytes"), 1s)*8 "બફર" ક્યાંથી (ઉપકરણ::tag =~ /^સ્પાઇન-[1-2]$/) અને (“/cos/interfaces/interface/@name”::tag =~ /et-0\/0\/[0-9]/ અથવા “/cos/interfaces/interface/@name”::tag=~/et-0\/0\/1[0-5]/) અને $timeFilter GROUP BY time($__interval),device::tag ભરો(નલ)

આ કેટલાક ભૂતપૂર્વ હતાampએઆઈ/એમએલ નેટવર્કની દેખરેખ માટે બનાવી શકાય તેવા ગ્રાફના લેસ.

સારાંશ

આ પેપર ટેલિમેટ્રી ડેટાને ખેંચવાની અને ગ્રાફ બનાવીને તેને વિઝ્યુઅલાઈઝ કરવાની પદ્ધતિ દર્શાવે છે. આ પેપર ખાસ કરીને AI/ML સેન્સર્સ વિશે વાત કરે છે, બંને નેટિવ અને ઓપન કોન્ફિગ પણ સેટઅપનો ઉપયોગ તમામ પ્રકારના સેન્સર માટે થઈ શકે છે. અમે સેટઅપ બનાવતી વખતે તમને સામનો કરવો પડી શકે તેવી બહુવિધ સમસ્યાઓના ઉકેલો પણ સામેલ કર્યા છે. આ પેપરમાં દર્શાવેલ પગલાં અને આઉટપુટ અગાઉ ઉલ્લેખિત TIG સ્ટેકની આવૃત્તિઓ માટે વિશિષ્ટ છે. તે સોફ્ટવેરના વર્ઝન, સેન્સર્સ અને જુનોસ વર્ઝનના આધારે ફેરફારને આધીન છે.

સંદર્ભો

બધા સેન્સર વિકલ્પો માટે જ્યુનિપર યાંગ ડેટા મોડલ એક્સપ્લોરર
https://apps.juniper.net/ydm-explorer/
Openconfig સેન્સર માટે Openconfig ફોરમ
https://www.openconfig.net/projects/models/

કોર્પોરેટ અને સેલ્સ હેડક્વાર્ટર
જ્યુનિપર નેટવર્ક્સ, Inc.
1133 ઇનોવેશન વે
સનીવાલે, સીએ 94089 યુએસએ
ફોન: 888. જુનિપર (888.586.4737)
અથવા +1.408.745.2000
ફેક્સ: +1.408.745.2100
www.juniper.net
APAC અને EMEA હેડક્વાર્ટર
જ્યુનિપર નેટવર્ક્સ ઇન્ટરનેશનલ BV
બોઇંગ એવન્યુ 240
1119 PZ Schiphol-Rijk
એમ્સ્ટર્ડમ, નેધરલેન્ડ
ફોન: +31.207.125.700
ફેક્સ: +31.207.125.701
કૉપિરાઇટ 2023 જ્યુનિપર નેટવર્ક્સ. Inc. Ail અધિકારો આરક્ષિત. જ્યુનિપર નેટવર્ક્સ, જ્યુનિપર નેટવર્ક્સ લોગો, જ્યુનિપર, જુનોસ અને અન્ય ટ્રેડમાર્ક્સ જ્યુનિપર નેટવર્ક્સના નોંધાયેલા ટ્રેડમાર્ક્સ છે. inc. અને/અથવા યુનાઇટેડ સ્ટેટ્સ અને અન્ય દેશોમાં તેના આનુષંગિકો. અન્ય નામો તેમના સંબંધિત માલિકોના ટ્રેડમાર્ક હોઈ શકે છે. જ્યુનિપર નેટવર્ક્સ આ દસ્તાવેજમાં કોઈપણ અચોક્કસતા માટે કોઈ જવાબદારી લેતા નથી. જ્યુનિપર નેટવર્ક્સ ફેરફાર કરવાનો અધિકાર અનામત રાખે છે. સુધારો સ્થાનાંતરિત કરો, અથવા અન્યથા સૂચના વિના આ પ્રકાશનમાં સુધારો કરો.
પ્રતિસાદ મોકલો: design-center-comments@juniper.net V1.0/240807/ejm5-telemetry-junos-ai-ml

દસ્તાવેજો / સંસાધનો

AI ML વર્કલોડ્સ સોફ્ટવેર માટે જુનોસમાં જ્યુનિપર નેટવર્ક્સ ટેલિમેટ્રી [પીડીએફ] વપરાશકર્તા માર્ગદર્શિકા AI ML વર્કલોડ્સ સૉફ્ટવેર માટે જુનોસમાં ટેલિમેટ્રી, AI ML વર્કલોડ્સ સૉફ્ટવેર માટે જુનોસ, AI ML વર્કલોડ સૉફ્ટવેર, વર્કલોડ સૉફ્ટવેર, સૉફ્ટવેર

સંદર્ભો

• વપરાશકર્તા માર્ગદર્શિકા