ಜುನಿಪರ್ ನೆಟ್ವರ್ಕ್ಸ್- ಲೋಗೋAI/ML ವರ್ಕ್‌ಲೋಡ್‌ಗಳಿಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಟೆಲಿಮೆಟ್ರಿ
ಲೇಖಕರು: ಶಾಲಿನಿ ಮುಖರ್ಜಿ

ಪರಿಚಯ

AI ಕ್ಲಸ್ಟರ್ ಟ್ರಾಫಿಕ್‌ಗೆ ಹೆಚ್ಚಿನ ಥ್ರೋಪುಟ್ ಮತ್ತು ಕಡಿಮೆ ಸುಪ್ತತೆಯೊಂದಿಗೆ ನಷ್ಟವಿಲ್ಲದ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಬೇಕಾಗುವುದರಿಂದ, AI ನೆಟ್‌ವರ್ಕ್‌ನ ನಿರ್ಣಾಯಕ ಅಂಶವೆಂದರೆ ಮಾನಿಟರಿಂಗ್ ಡೇಟಾ ಸಂಗ್ರಹವಾಗಿದೆ. ದಟ್ಟಣೆ ನಿರ್ವಹಣೆ ಮತ್ತು ಟ್ರಾಫಿಕ್ ಲೋಡ್ ಬ್ಯಾಲೆನ್ಸಿಂಗ್‌ಗಾಗಿ ಮಿತಿಗಳು ಮತ್ತು ಕೌಂಟರ್‌ಗಳು ಸೇರಿದಂತೆ ಪ್ರಮುಖ ಕಾರ್ಯಕ್ಷಮತೆ ಸೂಚಕಗಳ ಹರಳಿನ ಮೇಲ್ವಿಚಾರಣೆಯನ್ನು ಜುನೋಸ್ ಟೆಲಿಮೆಟ್ರಿ ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ. gRPC ಸೆಷನ್‌ಗಳು ಟೆಲಿಮೆಟ್ರಿ ಡೇಟಾದ ಸ್ಟ್ರೀಮಿಂಗ್ ಅನ್ನು ಬೆಂಬಲಿಸುತ್ತವೆ. gRPC ಆಧುನಿಕ, ತೆರೆದ ಮೂಲ, ಹೆಚ್ಚಿನ ಕಾರ್ಯಕ್ಷಮತೆಯ ಚೌಕಟ್ಟಾಗಿದೆ, ಇದನ್ನು HTTP/2 ಸಾರಿಗೆಯಲ್ಲಿ ನಿರ್ಮಿಸಲಾಗಿದೆ. ಇದು ಸ್ಥಳೀಯ ದ್ವಿಮುಖ ಸ್ಟ್ರೀಮಿಂಗ್ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಸಶಕ್ತಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ವಿನಂತಿಯ ಹೆಡರ್‌ಗಳಲ್ಲಿ ಹೊಂದಿಕೊಳ್ಳುವ ಕಸ್ಟಮ್-ಮೆಟಾಡೇಟಾವನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಟೆಲಿಮೆಟ್ರಿಯ ಆರಂಭಿಕ ಹಂತವೆಂದರೆ ಯಾವ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಬೇಕು ಎಂದು ತಿಳಿಯುವುದು. ನಂತರ ನಾವು ಈ ಡೇಟಾವನ್ನು ವಿವಿಧ ಸ್ವರೂಪಗಳಲ್ಲಿ ವಿಶ್ಲೇಷಿಸಬಹುದು. ಒಮ್ಮೆ ನಾವು ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಿದರೆ, ಅದನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲು, ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಮತ್ತು ಒದಗಿಸುವ ಸೇವೆಯನ್ನು ಸುಧಾರಿಸಲು ಸುಲಭವಾದ ಸ್ವರೂಪದಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸುವುದು ಮುಖ್ಯವಾಗಿದೆ. ಈ ಪತ್ರಿಕೆಯಲ್ಲಿ, ನಾವು Telegraf, InfluxDB, ಮತ್ತು Grafana ಒಳಗೊಂಡಿರುವ ಟೆಲಿಮೆಟ್ರಿ ಸ್ಟಾಕ್ ಅನ್ನು ಬಳಸುತ್ತೇವೆ. ಈ ಟೆಲಿಮೆಟ್ರಿ ಸ್ಟಾಕ್ ಪುಶ್ ಮಾದರಿಯನ್ನು ಬಳಸಿಕೊಂಡು ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ. ಸಾಂಪ್ರದಾಯಿಕ ಪುಲ್ ಮಾದರಿಗಳು ಸಂಪನ್ಮೂಲ-ತೀವ್ರವಾಗಿರುತ್ತವೆ, ಹಸ್ತಚಾಲಿತ ಹಸ್ತಕ್ಷೇಪದ ಅಗತ್ಯವಿರುತ್ತದೆ ಮತ್ತು ಅವರು ಸಂಗ್ರಹಿಸುವ ಡೇಟಾದಲ್ಲಿ ಮಾಹಿತಿ ಅಂತರವನ್ನು ಒಳಗೊಂಡಿರಬಹುದು. ಪುಶ್ ಮಾದರಿಗಳು ಡೇಟಾವನ್ನು ಅಸಮಕಾಲಿಕವಾಗಿ ತಲುಪಿಸುವ ಮೂಲಕ ಈ ಮಿತಿಗಳನ್ನು ಮೀರಿಸುತ್ತದೆ. ಅವರು ಬಳಕೆದಾರ ಸ್ನೇಹಿ ಬಳಸಿಕೊಂಡು ಡೇಟಾವನ್ನು ಉತ್ಕೃಷ್ಟಗೊಳಿಸುತ್ತಾರೆ tags ಮತ್ತು ಹೆಸರುಗಳು. ಡೇಟಾ ಹೆಚ್ಚು ಓದಬಹುದಾದ ಸ್ವರೂಪದಲ್ಲಿದ್ದರೆ, ನಾವು ಅದನ್ನು ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ ಸಂಗ್ರಹಿಸುತ್ತೇವೆ ಮತ್ತು ಅದನ್ನು ಸಂವಾದಾತ್ಮಕ ದೃಶ್ಯೀಕರಣದಲ್ಲಿ ಬಳಸುತ್ತೇವೆ web ನೆಟ್ವರ್ಕ್ ಅನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಅಪ್ಲಿಕೇಶನ್. ಚಿತ್ರ. 1 ಈ ಸ್ಟಾಕ್ ಅನ್ನು ಸಮರ್ಥ ಡೇಟಾ ಸಂಗ್ರಹಣೆ, ಸಂಗ್ರಹಣೆ ಮತ್ತು ದೃಶ್ಯೀಕರಣಕ್ಕಾಗಿ ಹೇಗೆ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ ಎಂಬುದನ್ನು ತೋರಿಸುತ್ತದೆ, ನೆಟ್‌ವರ್ಕ್ ಸಾಧನಗಳು ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುವವರಿಗೆ ತಳ್ಳುವ ಮೂಲಕ ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಡ್ಯಾಶ್‌ಬೋರ್ಡ್‌ಗಳಲ್ಲಿ ಪ್ರದರ್ಶಿಸಲಾದ ಡೇಟಾದವರೆಗೆ.

AI ML ವರ್ಕ್‌ಲೋಡ್ಸ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಟೆಲಿಮೆಟ್ರಿ -

TIG ಸ್ಟಾಕ್

TIG ಸ್ಟಾಕ್ ಸೇರಿದಂತೆ ಎಲ್ಲಾ ಸಾಫ್ಟ್‌ವೇರ್ ಅನ್ನು ಸ್ಥಾಪಿಸಲು ನಾವು ಉಬುಂಟು ಸರ್ವರ್ ಅನ್ನು ಬಳಸಿದ್ದೇವೆ.

ಟೆಲಿಗ್ರಾಫ್
ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಲು, ನಾವು 22.04.2 ಚಾಲನೆಯಲ್ಲಿರುವ ಉಬುಂಟು ಸರ್ವರ್‌ನಲ್ಲಿ ಟೆಲಿಗ್ರಾಫ್ ಅನ್ನು ಬಳಸುತ್ತೇವೆ. ಈ ಡೆಮೊದಲ್ಲಿ ಚಾಲನೆಯಲ್ಲಿರುವ ಟೆಲಿಗ್ರಾಫ್ ಆವೃತ್ತಿಯು 1.28.5 ಆಗಿದೆ.
ಟೆಲಿಗ್ರಾಫ್ ಮೆಟ್ರಿಕ್‌ಗಳನ್ನು ಸಂಗ್ರಹಿಸಲು ಮತ್ತು ವರದಿ ಮಾಡಲು ಪ್ಲಗಿನ್ ಚಾಲಿತ ಸರ್ವರ್ ಏಜೆಂಟ್ ಆಗಿದೆ. ಇದು ಪ್ರೊಸೆಸರ್ ಅನ್ನು ಬಳಸುತ್ತದೆ plugins ಡೇಟಾವನ್ನು ಉತ್ಕೃಷ್ಟಗೊಳಿಸಲು ಮತ್ತು ಸಾಮಾನ್ಯಗೊಳಿಸಲು. ಔಟ್ಪುಟ್ plugins ಈ ಡೇಟಾವನ್ನು ವಿವಿಧ ಡೇಟಾ ಸ್ಟೋರ್‌ಗಳಿಗೆ ಕಳುಹಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ. ಈ ಡಾಕ್ಯುಮೆಂಟ್‌ನಲ್ಲಿ ನಾವು ಎರಡನ್ನು ಬಳಸುತ್ತೇವೆ plugins: ಒಂದು ಓಪನ್‌ಕಾನ್ಫಿಗ್ ಸಂವೇದಕಗಳಿಗೆ ಮತ್ತು ಇನ್ನೊಂದು ಜುನಿಪರ್ ಸ್ಥಳೀಯ ಸಂವೇದಕಗಳಿಗೆ.
ಒಳಹರಿವು ಡಿಬಿ
ಸಮಯ ಸರಣಿಯ ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಲು, ನಾವು InfluxDB ಅನ್ನು ಬಳಸುತ್ತೇವೆ. ಟೆಲಿಗ್ರಾಫ್‌ನಲ್ಲಿನ ಔಟ್‌ಪುಟ್ ಪ್ಲಗಿನ್ ಡೇಟಾವನ್ನು InfluxDB ಗೆ ಕಳುಹಿಸುತ್ತದೆ, ಅದು ಅದನ್ನು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಸಂಗ್ರಹಿಸುತ್ತದೆ. V1.8 ಮತ್ತು ಮೇಲಿನವುಗಳಿಗೆ ಯಾವುದೇ CLI ಇಲ್ಲದಿರುವುದರಿಂದ ನಾವು V2 ಅನ್ನು ಬಳಸುತ್ತಿದ್ದೇವೆ.
ಗ್ರಾಫನಾ
ಈ ಡೇಟಾವನ್ನು ದೃಶ್ಯೀಕರಿಸಲು ಗ್ರಾಫನಾವನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ಗ್ರಾಫಾನಾ ಇನ್‌ಫ್ಲಕ್ಸ್‌ಡಿಬಿಯಿಂದ ಡೇಟಾವನ್ನು ಎಳೆಯುತ್ತದೆ ಮತ್ತು ಶ್ರೀಮಂತ ಮತ್ತು ಸಂವಾದಾತ್ಮಕ ಡ್ಯಾಶ್‌ಬೋರ್ಡ್‌ಗಳನ್ನು ರಚಿಸಲು ಬಳಕೆದಾರರನ್ನು ಅನುಮತಿಸುತ್ತದೆ. ಇಲ್ಲಿ, ನಾವು ಆವೃತ್ತಿ 10.2.2 ಅನ್ನು ಚಾಲನೆ ಮಾಡುತ್ತಿದ್ದೇವೆ.

ಸ್ವಿಚ್‌ನಲ್ಲಿ ಕಾನ್ಫಿಗರೇಶನ್

ಈ ಸ್ಟಾಕ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲು, ನಾವು ಮೊದಲು ಚಿತ್ರ 2 ರಲ್ಲಿ ತೋರಿಸಿರುವಂತೆ ಸ್ವಿಚ್ ಅನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡಬೇಕಾಗುತ್ತದೆ. ನಾವು ಪೋರ್ಟ್ 50051 ಅನ್ನು ಬಳಸಿದ್ದೇವೆ. ಯಾವುದೇ ಪೋರ್ಟ್ ಅನ್ನು ಇಲ್ಲಿ ಬಳಸಬಹುದು. QFX ಸ್ವಿಚ್‌ಗೆ ಲಾಗ್ ಇನ್ ಮಾಡಿ ಮತ್ತು ಕೆಳಗಿನ ಸಂರಚನೆಯನ್ನು ಸೇರಿಸಿ.

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಟೆಲಿಮೆಟ್ರಿ - ಸ್ವಿಚ್

ಗಮನಿಸಿ: ಪಾಸ್ವರ್ಡ್ ಸ್ಪಷ್ಟ ಪಠ್ಯದಲ್ಲಿ ರವಾನೆಯಾಗಿರುವುದರಿಂದ ಈ ಕಾನ್ಫಿಗರೇಶನ್ ಲ್ಯಾಬ್‌ಗಳು/ಪಿಒಸಿಗಳಿಗೆ ಆಗಿದೆ. ಇದನ್ನು ತಪ್ಪಿಸಲು SSL ಬಳಸಿ.

ಪರಿಸರ

AI ML ವರ್ಕ್‌ಲೋಡ್ಸ್ ಸಾಫ್ಟ್‌ವೇರ್ - ಪರಿಸರಕ್ಕಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಟೆಲಿಮೆಟ್ರಿ

Nginx
ಗ್ರಾಫನಾ ಹೋಸ್ಟ್ ಮಾಡಿರುವ ಪೋರ್ಟ್ ಅನ್ನು ನೀವು ಬಹಿರಂಗಪಡಿಸಲು ಸಾಧ್ಯವಾಗದಿದ್ದರೆ ಇದು ಅಗತ್ಯವಿದೆ. ರಿವರ್ಸ್ ಪ್ರಾಕ್ಸಿ ಏಜೆಂಟ್ ಆಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಉಬುಂಟು ಸರ್ವರ್‌ನಲ್ಲಿ nginx ಅನ್ನು ಸ್ಥಾಪಿಸುವುದು ಮುಂದಿನ ಹಂತವಾಗಿದೆ. nginx ಅನ್ನು ಸ್ಥಾಪಿಸಿದ ನಂತರ, ಚಿತ್ರ 4 ರಲ್ಲಿ ತೋರಿಸಿರುವ ಸಾಲುಗಳನ್ನು "ಡೀಫಾಲ್ಟ್" ಫೈಲ್‌ಗೆ ಸೇರಿಸಿ ಮತ್ತು ಫೈಲ್ ಅನ್ನು /etc/nginx ನಿಂದ /etc/nginx/sites-enabled ಗೆ ಸರಿಸಿ.

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್ವರ್ಕ್ಸ್ ಟೆಲಿಮೆಟ್ರಿ - Nginx

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಟೆಲಿಮೆಟ್ರಿ - Nginx1

ಚಿತ್ರ 5 ರಲ್ಲಿ ತೋರಿಸಿರುವಂತೆ nginx ಸೇವೆಗೆ ಪೂರ್ಣ ಪ್ರವೇಶವನ್ನು ನೀಡಲು ಫೈರ್‌ವಾಲ್ ಅನ್ನು ಹೊಂದಿಸಲಾಗಿದೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ.

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಟೆಲಿಮೆಟ್ರಿ - Nginx2

nginx ಅನ್ನು ಸ್ಥಾಪಿಸಿದ ನಂತರ ಮತ್ತು ಅಗತ್ಯವಿರುವ ಬದಲಾವಣೆಗಳನ್ನು ಮಾಡಿದ ನಂತರ, ನಾವು a ನಿಂದ Grafana ಅನ್ನು ಪ್ರವೇಶಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ web ಎಲ್ಲಾ ಸಾಫ್ಟ್‌ವೇರ್ ಸ್ಥಾಪಿಸಲಾದ ಉಬುಂಟು ಸರ್ವರ್‌ನ IP ವಿಳಾಸವನ್ನು ಬಳಸಿಕೊಂಡು ಬ್ರೌಸರ್.
ಡೀಫಾಲ್ಟ್ ಪಾಸ್‌ವರ್ಡ್ ಅನ್ನು ಮರುಹೊಂದಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸದ ಗ್ರಾಫನಾದಲ್ಲಿ ಒಂದು ಸಣ್ಣ ದೋಷವಿದೆ. ನೀವು ಈ ಸಮಸ್ಯೆಯನ್ನು ಎದುರಿಸಿದರೆ ಈ ಹಂತಗಳನ್ನು ಬಳಸಿ.
ಗ್ರಾಫಾನಾದಲ್ಲಿ ಪಾಸ್‌ವರ್ಡ್ ಹೊಂದಿಸಲು ಉಬುಂಟು ಸರ್ವರ್‌ನಲ್ಲಿ ನಿರ್ವಹಿಸಬೇಕಾದ ಕ್ರಮಗಳು:

  • /var/lib/grafana/grafana.db ಗೆ ಹೋಗಿ
  • sqllite3 ಅನ್ನು ಸ್ಥಾಪಿಸಿ
    o sudo apt sqlite3 ಅನ್ನು ಸ್ಥಾಪಿಸಿ
  • ನಿಮ್ಮ ಟರ್ಮಿನಲ್‌ನಲ್ಲಿ ಈ ಆಜ್ಞೆಯನ್ನು ಚಲಾಯಿಸಿ
    o sqlite3 grafana.db
  •  Sqlite ಕಮಾಂಡ್ ಪ್ರಾಂಪ್ಟ್ ತೆರೆಯುತ್ತದೆ; ಕೆಳಗಿನ ಪ್ರಶ್ನೆಯನ್ನು ಚಲಾಯಿಸಿ:
    ಲಾಗಿನ್ ಆಗಿರುವ ಬಳಕೆದಾರರಿಂದ ಅಳಿಸಿ='admin'
  • ಗ್ರಾಫನಾವನ್ನು ಮರುಪ್ರಾರಂಭಿಸಿ ಮತ್ತು ನಿರ್ವಾಹಕರನ್ನು ಬಳಕೆದಾರಹೆಸರು ಮತ್ತು ಪಾಸ್‌ವರ್ಡ್ ಎಂದು ಟೈಪ್ ಮಾಡಿ. ಇದು ಹೊಸ ಗುಪ್ತಪದವನ್ನು ಕೇಳುತ್ತದೆ.

ಎಲ್ಲಾ ಸಾಫ್ಟ್‌ವೇರ್ ಅನ್ನು ಸ್ಥಾಪಿಸಿದ ನಂತರ, ಟೆಲಿಗ್ರಾಫ್‌ನಲ್ಲಿ ಕಾನ್ಫಿಗ್ ಫೈಲ್ ಅನ್ನು ರಚಿಸಿ ಅದು ಸ್ವಿಚ್‌ನಿಂದ ಟೆಲಿಮೆಟ್ರಿ ಡೇಟಾವನ್ನು ಎಳೆಯಲು ಮತ್ತು ಅದನ್ನು ಇನ್ಫ್ಲುಕ್ಸ್‌ಡಿಬಿಗೆ ತಳ್ಳಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.

Openconfig ಸಂವೇದಕ ಪ್ಲಗಿನ್

ಉಬುಂಟು ಸರ್ವರ್‌ನಲ್ಲಿ, ಅಗತ್ಯವಿರುವ ಎಲ್ಲವನ್ನು ಸೇರಿಸಲು /etc/telegraf/telegraf.conf ಫೈಲ್ ಅನ್ನು ಸಂಪಾದಿಸಿ plugins ಮತ್ತು ಸಂವೇದಕಗಳು. openconfig ಸಂವೇದಕಗಳಿಗಾಗಿ, ನಾವು ಚಿತ್ರ 6 ರಲ್ಲಿ ತೋರಿಸಿರುವ gNMI ಪ್ಲಗಿನ್ ಅನ್ನು ಬಳಸುತ್ತೇವೆ. ಡೆಮೊ ಉದ್ದೇಶಗಳಿಗಾಗಿ, "spine1" ಎಂದು ಹೋಸ್ಟ್ ಹೆಸರನ್ನು ಸೇರಿಸಿ, gRPC ಗಾಗಿ ಬಳಸಲಾಗುವ ಪೋರ್ಟ್ ಸಂಖ್ಯೆ "50051", ಸ್ವಿಚ್‌ನ ಬಳಕೆದಾರಹೆಸರು ಮತ್ತು ಪಾಸ್‌ವರ್ಡ್ ಮತ್ತು ಸಂಖ್ಯೆ ವೈಫಲ್ಯದ ಸಂದರ್ಭದಲ್ಲಿ ಮರುಹೊಂದಿಸಲು ಸೆಕೆಂಡುಗಳು.
ಚಂದಾದಾರಿಕೆ ಚರಣದಲ್ಲಿ, ಈ ನಿರ್ದಿಷ್ಟ ಸಂವೇದಕಕ್ಕಾಗಿ "cpu" ಎಂಬ ವಿಶಿಷ್ಟ ಹೆಸರನ್ನು ಸೇರಿಸಿ, ಸಂವೇದಕ ಮಾರ್ಗ ಮತ್ತು ಸ್ವಿಚ್‌ನಿಂದ ಈ ಡೇಟಾವನ್ನು ಪಡೆದುಕೊಳ್ಳುವ ಸಮಯದ ಮಧ್ಯಂತರ. ಎಲ್ಲಾ ತೆರೆದ ಸಂರಚನಾ ಸಂವೇದಕಗಳಿಗೆ ಅದೇ ಪ್ಲಗಿನ್ inputs.gnmi ಮತ್ತು inputs.gnmi.subscription ಅನ್ನು ಸೇರಿಸಿ. (ಚಿತ್ರ 6)

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಟೆಲಿಮೆಟ್ರಿ - Nginx3

ಸ್ಥಳೀಯ ಸಂವೇದಕ ಪ್ಲಗಿನ್

ಇದು ಸ್ಥಳೀಯ ಸಂವೇದಕಗಳಿಗಾಗಿ ಬಳಸಲಾಗುವ ಜುನಿಪರ್ ಟೆಲಿಮೆಟ್ರಿ ಇಂಟರ್ಫೇಸ್ ಪ್ಲಗಿನ್ ಆಗಿದೆ. ಅದೇ telegraf.conf ಫೈಲ್‌ನಲ್ಲಿ, ಸ್ಥಳೀಯ ಸಂವೇದಕ ಪ್ಲಗಿನ್ inputs.jti_openconfig_telemetry ಅನ್ನು ಸೇರಿಸಿ, ಅಲ್ಲಿ ಕ್ಷೇತ್ರಗಳು openconfig ನಂತೆಯೇ ಇರುತ್ತದೆ. ಪ್ರತಿ ಸಂವೇದಕಕ್ಕೆ ಅನನ್ಯ ಕ್ಲೈಂಟ್ ಐಡಿ ಬಳಸಿ; ಇಲ್ಲಿ, ನಾವು "telegraf3" ಅನ್ನು ಬಳಸುತ್ತೇವೆ. ಈ ಸಂವೇದಕಕ್ಕೆ ಇಲ್ಲಿ ಬಳಸಲಾದ ಅನನ್ಯ ಹೆಸರು "ಮೆಮ್" (ಚಿತ್ರ 7).

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಟೆಲಿಮೆಟ್ರಿ - Nginx4

ಕೊನೆಯದಾಗಿ, ಈ ಸಂವೇದಕ ಡೇಟಾವನ್ನು InfluxDB ಗೆ ಕಳುಹಿಸಲು outputs.influxdb ಔಟ್‌ಪುಟ್ ಪ್ಲಗಿನ್ ಅನ್ನು ಸೇರಿಸಿ. ಇಲ್ಲಿ, ಡೇಟಾಬೇಸ್ ಅನ್ನು "ಟೆಲಿಗ್ರಾಫ್" ಎಂದು ಹೆಸರಿಸಲಾಗಿದೆ, ಬಳಕೆದಾರಹೆಸರು "ಇನ್ಫ್ಲಕ್ಸ್" ಮತ್ತು ಪಾಸ್ವರ್ಡ್ "ಇನ್ಫ್ಲಕ್ಸ್ಡಿಬಿ" (ಚಿತ್ರ 8).

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಟೆಲಿಮೆಟ್ರಿ - Nginx5

ಒಮ್ಮೆ ನೀವು telegraf.conf ಫೈಲ್ ಅನ್ನು ಸಂಪಾದಿಸಿದ ನಂತರ, ಟೆಲಿಗ್ರಾಫ್ ಸೇವೆಯನ್ನು ಮರುಪ್ರಾರಂಭಿಸಿ. ಈಗ, ಎಲ್ಲಾ ವಿಶಿಷ್ಟ ಸಂವೇದಕಗಳಿಗೆ ಅಳತೆಗಳನ್ನು ರಚಿಸಲಾಗಿದೆಯೇ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು InfluxDB CLI ನಲ್ಲಿ ಪರಿಶೀಲಿಸಿ. InfluxDB CLI ಅನ್ನು ನಮೂದಿಸಲು "ಇನ್ಫ್ಲಕ್ಸ್" ಎಂದು ಟೈಪ್ ಮಾಡಿ.

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಟೆಲಿಮೆಟ್ರಿ - Nginx6

ಚಿತ್ರದಲ್ಲಿ ನೋಡಿದಂತೆ. 9, ಇನ್ಫ್ಲಕ್ಸ್ಡಿಬಿ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ನಮೂದಿಸಿ ಮತ್ತು ಡೇಟಾಬೇಸ್ "ಟೆಲಿಗ್ರಾಫ್" ಅನ್ನು ಬಳಸಿ. ಸಂವೇದಕಗಳಿಗೆ ನೀಡಲಾದ ಎಲ್ಲಾ ಅನನ್ಯ ಹೆಸರುಗಳನ್ನು ಅಳತೆಗಳಾಗಿ ಪಟ್ಟಿ ಮಾಡಲಾಗಿದೆ.
ಯಾವುದೇ ಒಂದು ಮಾಪನದ ಔಟ್‌ಪುಟ್ ಅನ್ನು ನೋಡಲು, ಟೆಲಿಗ್ರಾಫ್ ಫೈಲ್ ಸರಿಯಾಗಿದೆಯೇ ಮತ್ತು ಸಂವೇದಕ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆಯೇ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು, ಚಿತ್ರ 1 ರಲ್ಲಿ ತೋರಿಸಿರುವಂತೆ “cpu ಮಿತಿ 10 ರಿಂದ * ಆಯ್ಕೆಮಾಡಿ” ಆಜ್ಞೆಯನ್ನು ಬಳಸಿ.

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಟೆಲಿಮೆಟ್ರಿ - Nginx7

ಪ್ರತಿ ಬಾರಿಯೂ telegraf.conf ಫೈಲ್‌ಗೆ ಬದಲಾವಣೆಗಳನ್ನು ಮಾಡಿದಾಗ, InfluxDB ಅನ್ನು ನಿಲ್ಲಿಸುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ, Telegraf ಅನ್ನು ಮರುಪ್ರಾರಂಭಿಸಿ ಮತ್ತು ನಂತರ InfluxDB ಅನ್ನು ಪ್ರಾರಂಭಿಸಿ.
ಬ್ರೌಸರ್‌ನಿಂದ ಗ್ರಾಫನಾಗೆ ಲಾಗಿನ್ ಮಾಡಿ ಮತ್ತು ಡೇಟಾವನ್ನು ಸರಿಯಾಗಿ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತಿದೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಂಡ ನಂತರ ಡ್ಯಾಶ್‌ಬೋರ್ಡ್‌ಗಳನ್ನು ರಚಿಸಿ.
ಸಂಪರ್ಕಗಳು > InfuxDB > ಹೊಸ ಡೇಟಾ ಮೂಲವನ್ನು ಸೇರಿಸಿ.

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಟೆಲಿಮೆಟ್ರಿ - Nginx8

  1. ಈ ಡೇಟಾ ಮೂಲಕ್ಕೆ ಹೆಸರನ್ನು ನೀಡಿ. ಈ ಡೆಮೊದಲ್ಲಿ ಇದು "ಪರೀಕ್ಷೆ-1" ಆಗಿದೆ.
  2.  HTTP ಸ್ಟಾಂಜಾ ಅಡಿಯಲ್ಲಿ, ಉಬುಂಟು ಸರ್ವರ್ IP ಮತ್ತು 8086 ಪೋರ್ಟ್ ಅನ್ನು ಬಳಸಿ.
    AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಟೆಲಿಮೆಟ್ರಿ - Nginx9
  3. InfluxDB ವಿವರಗಳಲ್ಲಿ, "ಟೆಲಿಗ್ರಾಫ್" ಎಂಬ ಅದೇ ಡೇಟಾಬೇಸ್ ಹೆಸರನ್ನು ಬಳಸಿ ಮತ್ತು ಉಬುಂಟು ಸರ್ವರ್‌ನ ಬಳಕೆದಾರಹೆಸರು ಮತ್ತು ಪಾಸ್‌ವರ್ಡ್ ಅನ್ನು ಒದಗಿಸಿ.
  4. ಉಳಿಸಿ ಮತ್ತು ಪರೀಕ್ಷಿಸಿ ಕ್ಲಿಕ್ ಮಾಡಿ. "ಯಶಸ್ವಿ" ಎಂಬ ಸಂದೇಶವನ್ನು ನೀವು ನೋಡಿದ್ದೀರಿ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ.
    AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಟೆಲಿಮೆಟ್ರಿ - Nginx10
  5. ಡೇಟಾ ಮೂಲವನ್ನು ಯಶಸ್ವಿಯಾಗಿ ಸೇರಿಸಿದ ನಂತರ, ಡ್ಯಾಶ್‌ಬೋರ್ಡ್‌ಗಳಿಗೆ ಹೋಗಿ ಮತ್ತು ಹೊಸದನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿ. ಎಡಿಟರ್ ಮೋಡ್‌ನಲ್ಲಿ AI/ML ವರ್ಕ್‌ಲೋಡ್‌ಗಳಿಗೆ ಅಗತ್ಯವಾದ ಕೆಲವು ಡ್ಯಾಶ್‌ಬೋರ್ಡ್‌ಗಳನ್ನು ನಾವು ರಚಿಸೋಣ.

Exampಲೆಸ್ ಆಫ್ ಸೆನ್ಸರ್ ಗ್ರಾಫ್ಸ್

ಕೆಳಗಿನವುಗಳು ಉದಾampAI/ML ನೆಟ್‌ವರ್ಕ್ ಅನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲು ಅಗತ್ಯವಾದ ಕೆಲವು ಪ್ರಮುಖ ಕೌಂಟರ್‌ಗಳ les.
ಶೇtagಸ್ಪೈನ್-0 ನಲ್ಲಿ ಪ್ರವೇಶ ಇಂಟರ್ಫೇಸ್ et-0/0/1 ಗಾಗಿ ಇ ಬಳಕೆ
AI ML ವರ್ಕ್‌ಲೋಡ್ಸ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಟೆಲಿಮೆಟ್ರಿ - ಗ್ರಾಫ್‌ಗಳು

  • ಡೇಟಾ ಮೂಲವನ್ನು ಪರೀಕ್ಷೆ-1 ಎಂದು ಆಯ್ಕೆಮಾಡಿ.
  • FROM ವಿಭಾಗದಲ್ಲಿ, ಮಾಪನವನ್ನು "ಇಂಟರ್ಫೇಸ್" ಎಂದು ಆಯ್ಕೆಮಾಡಿ. ಇದು ಈ ಸಂವೇದಕ ಮಾರ್ಗಕ್ಕೆ ಬಳಸಲಾದ ಅನನ್ಯ ಹೆಸರು.
  • WHERE ವಿಭಾಗದಲ್ಲಿ, ಸಾಧನವನ್ನು ಆಯ್ಕೆಮಾಡಿ::tag, ಮತ್ತು ರಲ್ಲಿ tag ಮೌಲ್ಯ, ಸ್ವಿಚ್‌ನ ಹೋಸ್ಟ್‌ಹೆಸರನ್ನು ಆಯ್ಕೆಮಾಡಿ, ಅಂದರೆ ಸ್ಪೈನ್1.
  • SELECT ವಿಭಾಗದಲ್ಲಿ, ನೀವು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲು ಬಯಸುವ ಸಂವೇದಕ ಶಾಖೆಯನ್ನು ಆಯ್ಕೆಮಾಡಿ; ಈ ಸಂದರ್ಭದಲ್ಲಿ "ಫೀಲ್ಡ್(/ಇಂಟರ್ಫೇಸ್/ಇಂಟರ್ಫೇಸ್[if_name='et-0/0/0']/state/counters/if_in_1s_octets)" ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಿ. ಈಗ ಅದೇ ವಿಭಾಗದಲ್ಲಿ, “+” ಕ್ಲಿಕ್ ಮಾಡಿ ಮತ್ತು ಈ ಲೆಕ್ಕಾಚಾರದ ಗಣಿತವನ್ನು ಸೇರಿಸಿ (/50000000000 * 100). ನಾವು ಮೂಲಭೂತವಾಗಿ ಶೇಕಡಾವನ್ನು ಲೆಕ್ಕ ಹಾಕುತ್ತಿದ್ದೇವೆtagಇ 400G ಇಂಟರ್ಫೇಸ್ ಬಳಕೆ.
  • ಫಾರ್ಮ್ಯಾಟ್ "ಸಮಯ-ಸರಣಿ" ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ ಮತ್ತು ALIAS ವಿಭಾಗದಲ್ಲಿ ಗ್ರಾಫ್ ಅನ್ನು ಹೆಸರಿಸಿ.

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಟೆಲಿಮೆಟ್ರಿ - ಗ್ರಾಫ್‌ಗಳು1ಯಾವುದೇ ಸರತಿಗೆ ಗರಿಷ್ಠ ಬಫರ್ ಆಕ್ಯುಪೆನ್ಸಿ

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಟೆಲಿಮೆಟ್ರಿ - ಗ್ರಾಫ್‌ಗಳು2

  • ಡೇಟಾ ಮೂಲವನ್ನು ಪರೀಕ್ಷೆ-1 ಎಂದು ಆಯ್ಕೆಮಾಡಿ.
  • FROM ವಿಭಾಗದಲ್ಲಿ, ಮಾಪನವನ್ನು "ಬಫರ್" ಎಂದು ಆಯ್ಕೆಮಾಡಿ.
  • ಎಲ್ಲಿ ವಿಭಾಗದಲ್ಲಿ, ಭರ್ತಿ ಮಾಡಲು ಮೂರು ಕ್ಷೇತ್ರಗಳಿವೆ. ಸಾಧನವನ್ನು ಆಯ್ಕೆಮಾಡಿ::tag, ಮತ್ತು ರಲ್ಲಿ tag ಮೌಲ್ಯವು ಸ್ವಿಚ್‌ನ ಹೋಸ್ಟ್ ಹೆಸರನ್ನು ಆಯ್ಕೆಮಾಡಿ (ಅಂದರೆ ಸ್ಪೈನ್-1); ಮತ್ತು ಆಯ್ಕೆಮಾಡಿ /cos/interfaces/interface/@name::tag ಮತ್ತು ಇಂಟರ್ಫೇಸ್ ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಿ (ಅಂದರೆ et- 0/0/0); ಮತ್ತು ಕ್ಯೂ ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಿ, /cos/interfaces/interface/queues/queue/@queue::tag ಮತ್ತು ಕ್ಯೂ ಸಂಖ್ಯೆ 4 ಅನ್ನು ಆಯ್ಕೆಮಾಡಿ.
  • SELECT ವಿಭಾಗದಲ್ಲಿ, ನೀವು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲು ಬಯಸುವ ಸಂವೇದಕ ಶಾಖೆಯನ್ನು ಆಯ್ಕೆಮಾಡಿ; ಈ ಸಂದರ್ಭದಲ್ಲಿ "ಫೀಲ್ಡ್(/cos/interfaces/interface/queues/queue/PeakBufferOccupancy)" ಆಯ್ಕೆಮಾಡಿ.
  • ಫಾರ್ಮ್ಯಾಟ್ "ಸಮಯ-ಸರಣಿ" ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ ಮತ್ತು ALIAS ವಿಭಾಗದಲ್ಲಿ ಗ್ರಾಫ್ ಅನ್ನು ಹೆಸರಿಸಿ.

et-17/0/0, et-0/0/0, et-1/0/0 ಇತ್ಯಾದಿಗಳಿಗಾಗಿ ಚಿತ್ರ 2 ರಲ್ಲಿ ನೋಡಿದಂತೆ ನೀವು ಒಂದೇ ಗ್ರಾಫ್‌ನಲ್ಲಿ ಬಹು ಇಂಟರ್ಫೇಸ್‌ಗಳಿಗಾಗಿ ಡೇಟಾವನ್ನು ಒಟ್ಟುಗೂಡಿಸಬಹುದು.

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಟೆಲಿಮೆಟ್ರಿ - ಗ್ರಾಫ್‌ಗಳು3

PFC ಮತ್ತು ECN ಎಂದರೆ ಉತ್ಪನ್ನ
AI ML ವರ್ಕ್‌ಲೋಡ್ಸ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಟೆಲಿಮೆಟ್ರಿ - ಉತ್ಪನ್ನ

ಸರಾಸರಿ ವ್ಯುತ್ಪನ್ನವನ್ನು ಕಂಡುಹಿಡಿಯಲು (ಸಮಯದ ವ್ಯಾಪ್ತಿಯಲ್ಲಿ ಮೌಲ್ಯದಲ್ಲಿನ ವ್ಯತ್ಯಾಸ), ಕಚ್ಚಾ ಪ್ರಶ್ನೆ ಮೋಡ್ ಅನ್ನು ಬಳಸಿ.
ಒಂದು ಸೆಕೆಂಡಿನಲ್ಲಿ ಸ್ಪೈನ್-0 ನ et-0/0/1 ನಲ್ಲಿ ಎರಡು PFC ಮೌಲ್ಯಗಳ ನಡುವಿನ ಸರಾಸರಿ ವ್ಯುತ್ಪನ್ನವನ್ನು ಕಂಡುಹಿಡಿಯಲು ನಾವು ಬಳಸಿದ ಒಳಹರಿವಿನ ಪ್ರಶ್ನೆಯಾಗಿದೆ.
ವ್ಯುತ್ಪನ್ನವನ್ನು ಆಯ್ಕೆ ಮಾಡಿ (“/ಇಂಟರ್‌ಫೇಸ್‌ಗಳು/ಇಂಟರ್‌ಫೇಸ್[if_name='et-0/0/0′]/state/pfc-counter/tx_pkts”), 1s) “ಇಂಟರ್‌ಫೇಸ್” ಎಲ್ಲಿಂದ (“ಸಾಧನ”::tag = 'ಸ್ಪೈನ್-1') ಮತ್ತು $ ಟೈಮ್‌ಫಿಲ್ಟರ್ ಗುಂಪು ಸಮಯದ ಪ್ರಕಾರ ($ ಮಧ್ಯಂತರ)

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಟೆಲಿಮೆಟ್ರಿ - ಅದೇ ರೀತಿ ECN ಗಾಗಿ

ವ್ಯುತ್ಪನ್ನವನ್ನು ಆಯ್ಕೆ ಮಾಡಿ (“/ಇಂಟರ್‌ಫೇಸ್‌ಗಳು/ಇಂಟರ್‌ಫೇಸ್[if_name='et-0/0/8′]/state/error-counters/ecn_ce_marked_pkts”), 1s) “ಇಂಟರ್‌ಫೇಸ್” ಎಲ್ಲಿಂದ (“ಸಾಧನ”::tag = 'ಸ್ಪೈನ್-1') ಮತ್ತು $ ಟೈಮ್‌ಫಿಲ್ಟರ್ ಗುಂಪು ಸಮಯದ ಪ್ರಕಾರ ($ ಮಧ್ಯಂತರ)

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಟೆಲಿಮೆಟ್ರಿ - ಅದೇ ರೀತಿ ECN1 ಗಾಗಿ

ಇನ್‌ಪುಟ್ ಸಂಪನ್ಮೂಲ ದೋಷಗಳು ವ್ಯುತ್ಪನ್ನ ಎಂದರ್ಥ

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಟೆಲಿಮೆಟ್ರಿ - ಅದೇ ರೀತಿ ECN2 ಗಾಗಿ

ಸಂಪನ್ಮೂಲ ದೋಷಗಳ ಕಚ್ಚಾ ಪ್ರಶ್ನೆಯು ಉತ್ಪನ್ನವನ್ನು ಅರ್ಥೈಸುತ್ತದೆ:
ವ್ಯುತ್ಪನ್ನವನ್ನು ಆಯ್ಕೆ ಮಾಡಿ (“/ಇಂಟರ್‌ಫೇಸ್‌ಗಳು/ಇಂಟರ್‌ಫೇಸ್[if_name='et-0/0/0′]/state/error-counters/if_in_resource_errors”), 1s) “ಇಂಟರ್‌ಫೇಸ್” ಎಲ್ಲಿಂದ (“ಸಾಧನ”::tag = 'ಸ್ಪೈನ್-1') ಮತ್ತು $ ಟೈಮ್‌ಫಿಲ್ಟರ್ ಗುಂಪು ಸಮಯದ ಪ್ರಕಾರ ($ ಮಧ್ಯಂತರ)

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಟೆಲಿಮೆಟ್ರಿ - ಅದೇ ರೀತಿ ECN3 ಗಾಗಿ

ಟೈಲ್ ಡ್ರಾಪ್ಸ್ ಎಂದರೆ ವ್ಯುತ್ಪನ್ನ

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಟೆಲಿಮೆಟ್ರಿ - ಅದೇ ರೀತಿ ECN4 ಗಾಗಿ

ಟೈಲ್ ಡ್ರಾಪ್‌ಗಳ ಕಚ್ಚಾ ಪ್ರಶ್ನೆ ಎಂದರೆ ವ್ಯುತ್ಪನ್ನ:
ವ್ಯುತ್ಪನ್ನವನ್ನು ಆಯ್ಕೆ ಮಾಡಿ (ಅಂದರೆ(“/cos/interfaces/interface/queues/queue/tailDropBytes”), 1s) “ಬಫರ್” ಎಲ್ಲಿಂದ (“ಸಾಧನ”::tag = 'ಲೀಫ್-1' ಮತ್ತು "/cos/interfaces/interface/@name"::tag = 'et-0/0/0' ಮತ್ತು “/cos/interfaces/interface/queues/queue/@queue”::tag = '4') ಮತ್ತು $ ಟೈಮ್‌ಫಿಲ್ಟರ್ ಗುಂಪು ಸಮಯದ ಮೂಲಕ ($__ ಮಧ್ಯಂತರ) ಭರ್ತಿ (ಶೂನ್ಯ)
 CPU ಬಳಕೆ

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಟೆಲಿಮೆಟ್ರಿ - ಸಿಪಿಯು ಬಳಕೆ

  • ಡೇಟಾ ಮೂಲವನ್ನು ಪರೀಕ್ಷೆ-1 ಎಂದು ಆಯ್ಕೆಮಾಡಿ.
  • FROM ವಿಭಾಗದಲ್ಲಿ, ಮಾಪನವನ್ನು "newcpu" ಎಂದು ಆಯ್ಕೆಮಾಡಿ
  • ಎಲ್ಲಿ, ಭರ್ತಿ ಮಾಡಲು ಮೂರು ಕ್ಷೇತ್ರಗಳಿವೆ. ಸಾಧನವನ್ನು ಆಯ್ಕೆಮಾಡಿ::tag ಮತ್ತು ರಲ್ಲಿ tag ಮೌಲ್ಯವು ಸ್ವಿಚ್‌ನ ಹೋಸ್ಟ್ ಹೆಸರನ್ನು ಆಯ್ಕೆಮಾಡಿ (ಅಂದರೆ ಸ್ಪೈನ್-1). ಮತ್ತು /ಘಟಕಗಳು/ಘಟಕ/ಪ್ರಾಪರ್ಟೀಸ್/ಪ್ರಾಪರ್ಟಿ/ಹೆಸರು:tag, ಮತ್ತು cpuutilization-total AND ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಿ::tag RE0 ಆಯ್ಕೆಮಾಡಿ.
  • SELECT ವಿಭಾಗದಲ್ಲಿ, ನೀವು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲು ಬಯಸುವ ಸಂವೇದಕ ಶಾಖೆಯನ್ನು ಆಯ್ಕೆಮಾಡಿ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, "ಫೀಲ್ಡ್ (ರಾಜ್ಯ/ಮೌಲ್ಯ)" ಆಯ್ಕೆಮಾಡಿ.

AI ML ವರ್ಕ್‌ಲೋಡ್ಸ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಟೆಲಿಮೆಟ್ರಿ - CPU ಬಳಕೆ1

ಬಿಟ್‌ಗಳು/ಸೆಕೆಂಡಿನಲ್ಲಿ ಬಹು ಇಂಟರ್‌ಫೇಸ್‌ಗಳಲ್ಲಿ ಬಹು ಸ್ವಿಚ್‌ಗಳಿಗಾಗಿ ಟೈಲ್ ಡ್ರಾಪ್‌ಗಳ ಋಣಾತ್ಮಕವಲ್ಲದ ಉತ್ಪನ್ನವನ್ನು ಕಂಡುಹಿಡಿಯುವ ಕಚ್ಚಾ ಪ್ರಶ್ನೆ.
ಅಲ್ಲದ_ನೆಗೆಟಿವ್_ಡೆರಿವೇಟಿವ್ (ಅಂದರೆ(“/cos/interfaces/interface/queues/queue/tailDropBytes”), 1s)*8 “ಬಫರ್” ಎಲ್ಲಿಂದ (ಸಾಧನ::tag =~ /^ಸ್ಪೈನ್-[1-2]$/) ಮತ್ತು (“/cos/interfaces/interface/@name”::tag =~ /et-0\/0\/[0-9]/ ಅಥವಾ “/cos/interfaces/interface/@name”::tag=~/et-0\/0\/1[0-5]/) ಮತ್ತು $ಟೈಮ್ ಫಿಲ್ಟರ್ ಗುಂಪು ಸಮಯ ($__ ಮಧ್ಯಂತರ),ಸಾಧನ::tag ಭರ್ತಿ (ಶೂನ್ಯ)

AI ML ವರ್ಕ್‌ಲೋಡ್ಸ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಟೆಲಿಮೆಟ್ರಿ - CPU ಬಳಕೆ2

ಇವರು ಕೆಲವು ಮಾಜಿಗಳಾಗಿದ್ದರುampAI/ML ನೆಟ್‌ವರ್ಕ್ ಅನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಲು ರಚಿಸಬಹುದಾದ ಗ್ರಾಫ್‌ಗಳ les.

ಸಾರಾಂಶ

ಈ ಕಾಗದವು ಟೆಲಿಮೆಟ್ರಿ ಡೇಟಾವನ್ನು ಎಳೆಯುವ ಮತ್ತು ಗ್ರಾಫ್‌ಗಳನ್ನು ರಚಿಸುವ ಮೂಲಕ ಅದನ್ನು ದೃಶ್ಯೀಕರಿಸುವ ವಿಧಾನವನ್ನು ವಿವರಿಸುತ್ತದೆ. ಈ ಕಾಗದವು ನಿರ್ದಿಷ್ಟವಾಗಿ AI/ML ಸಂವೇದಕಗಳ ಬಗ್ಗೆ ಮಾತನಾಡುತ್ತದೆ, ಸ್ಥಳೀಯ ಮತ್ತು ಓಪನ್ ಕಾನ್ಫಿಗ್ ಎರಡೂ ಆದರೆ ಸೆಟಪ್ ಅನ್ನು ಎಲ್ಲಾ ರೀತಿಯ ಸಂವೇದಕಗಳಿಗೆ ಬಳಸಬಹುದು. ಸೆಟಪ್ ರಚಿಸುವಾಗ ನೀವು ಎದುರಿಸಬಹುದಾದ ಬಹು ಸಮಸ್ಯೆಗಳಿಗೆ ನಾವು ಪರಿಹಾರಗಳನ್ನು ಸೇರಿಸಿದ್ದೇವೆ. ಈ ಪೇಪರ್‌ನಲ್ಲಿ ಚಿತ್ರಿಸಲಾದ ಹಂತಗಳು ಮತ್ತು ಔಟ್‌ಪುಟ್‌ಗಳು ಈ ಹಿಂದೆ ತಿಳಿಸಲಾದ TIG ಸ್ಟಾಕ್‌ನ ಆವೃತ್ತಿಗಳಿಗೆ ನಿರ್ದಿಷ್ಟವಾಗಿವೆ. ಇದು ಸಾಫ್ಟ್‌ವೇರ್‌ನ ಆವೃತ್ತಿ, ಸಂವೇದಕಗಳು ಮತ್ತು ಜುನೋಸ್ ಆವೃತ್ತಿಯನ್ನು ಅವಲಂಬಿಸಿ ಬದಲಾವಣೆಗೆ ಒಳಪಟ್ಟಿರುತ್ತದೆ.

ಉಲ್ಲೇಖಗಳು

ಎಲ್ಲಾ ಸಂವೇದಕ ಆಯ್ಕೆಗಳಿಗಾಗಿ ಜುನಿಪರ್ ಯಾಂಗ್ ಡೇಟಾ ಮಾದರಿ ಎಕ್ಸ್‌ಪ್ಲೋರರ್
https://apps.juniper.net/ydm-explorer/
ಓಪನ್ ಕಾನ್ಫಿಗ್ ಸಂವೇದಕಗಳಿಗಾಗಿ ಓಪನ್ ಕಾನ್ಫಿಗ್ ಫೋರಮ್
https://www.openconfig.net/projects/models/

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಟೆಲಿಮೆಟ್ರಿ - ಐಕಾನ್

ಕಾರ್ಪೊರೇಟ್ ಮತ್ತು ಮಾರಾಟದ ಪ್ರಧಾನ ಕಛೇರಿ
ಜುನಿಪರ್ ನೆಟ್ವರ್ಕ್ಸ್, Inc.
1133 ಇನ್ನೋವೇಶನ್ ವೇ
ಸನ್ನಿವೇಲ್, CA 94089 USA
ದೂರವಾಣಿ: 888. ಜುನಿಪರ್ (888.586.4737)
ಅಥವಾ +1.408.745.2000
ಫ್ಯಾಕ್ಸ್: +1.408.745.2100
www.juniper.net
APAC ಮತ್ತು EMEA ಪ್ರಧಾನ ಕಛೇರಿ
ಜುನಿಪರ್ ನೆಟ್ವರ್ಕ್ಸ್ ಇಂಟರ್ನ್ಯಾಷನಲ್ BV
ಬೋಯಿಂಗ್ ಅವೆನ್ಯೂ 240
1119 PZ ಶಿಪೋಲ್-ರಿಜ್ಕ್
ಆಮ್ಸ್ಟರ್ಡ್ಯಾಮ್, ನೆದರ್ಲ್ಯಾಂಡ್ಸ್
ದೂರವಾಣಿ: +31.207.125.700
ಫ್ಯಾಕ್ಸ್: +31.207.125.701
ಕೃತಿಸ್ವಾಮ್ಯ 2023 ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳು. Inc. Ail ಹಕ್ಕುಗಳನ್ನು ಕಾಯ್ದಿರಿಸಲಾಗಿದೆ. ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳು, ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಲೋಗೋ, ಜುನಿಪರ್, ಜುನೋಸ್ ಮತ್ತು ಇತರ ಟ್ರೇಡ್‌ಮಾರ್ಕ್‌ಗಳು ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳ ನೋಂದಾಯಿತ ಟ್ರೇಡ್‌ಮಾರ್ಕ್‌ಗಳಾಗಿವೆ. ಇಂಕ್ ಮತ್ತು/ಅಥವಾ ಯುನೈಟೆಡ್ ಸ್ಟೇಟ್ಸ್ ಮತ್ತು ಇತರ ದೇಶಗಳಲ್ಲಿ ಅದರ ಅಂಗಸಂಸ್ಥೆಗಳು. ಇತರ ಹೆಸರುಗಳು ಆಯಾ ಮಾಲೀಕರ ಟ್ರೇಡ್‌ಮಾರ್ಕ್‌ಗಳಾಗಿರಬಹುದು. ಈ ಡಾಕ್ಯುಮೆಂಟ್‌ನಲ್ಲಿನ ಯಾವುದೇ ತಪ್ಪುಗಳಿಗೆ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಯಾವುದೇ ಜವಾಬ್ದಾರಿಯನ್ನು ತೆಗೆದುಕೊಳ್ಳುವುದಿಲ್ಲ. ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್ಸ್ ಬದಲಾಯಿಸುವ ಹಕ್ಕನ್ನು ಕಾಯ್ದಿರಿಸಿದೆ. ಮಾರ್ಪಡಿಸಿ. ಸೂಚನೆ ಇಲ್ಲದೆ ಈ ಪ್ರಕಟಣೆಯನ್ನು ವರ್ಗಾಯಿಸಿ ಅಥವಾ ಪರಿಷ್ಕರಿಸಿ.
ಇದಕ್ಕೆ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಕಳುಹಿಸಿ: design-center-comments@juniper.net V1.0/240807/ejm5-telemetry-junos-ai-ml

ದಾಖಲೆಗಳು / ಸಂಪನ್ಮೂಲಗಳು

AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಜುನಿಪರ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಟೆಲಿಮೆಟ್ರಿ [ಪಿಡಿಎಫ್] ಬಳಕೆದಾರ ಮಾರ್ಗದರ್ಶಿ
AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್‌ನಲ್ಲಿ ಟೆಲಿಮೆಟ್ರಿ, AI ML ವರ್ಕ್‌ಲೋಡ್ ಸಾಫ್ಟ್‌ವೇರ್‌ಗಾಗಿ ಜುನೋಸ್, AI ML ವರ್ಕ್‌ಲೋಡ್ಸ್ ಸಾಫ್ಟ್‌ವೇರ್, ವರ್ಕ್‌ಲೋಡ್ಸ್ ಸಾಫ್ಟ್‌ವೇರ್, ಸಾಫ್ಟ್‌ವೇರ್

ಉಲ್ಲೇಖಗಳು

ಕಾಮೆಂಟ್ ಬಿಡಿ

ನಿಮ್ಮ ಇಮೇಲ್ ವಿಳಾಸವನ್ನು ಪ್ರಕಟಿಸಲಾಗುವುದಿಲ್ಲ. ಅಗತ್ಯವಿರುವ ಕ್ಷೇತ್ರಗಳನ್ನು ಗುರುತಿಸಲಾಗಿದೆ *