AI/ML వర్క్‌లోడ్‌ల కోసం జూనోస్‌లో టెలిమెట్రీ
రచయిత: షాలినీ ముఖర్జీ

పరిచయం

AI క్లస్టర్ ట్రాఫిక్‌కు అధిక నిర్గమాంశ మరియు తక్కువ జాప్యం కలిగిన లాస్‌లెస్ నెట్‌వర్క్‌లు అవసరం కాబట్టి, AI నెట్‌వర్క్ యొక్క కీలకమైన అంశం పర్యవేక్షణ డేటా సేకరణ. జూనోస్ టెలిమెట్రీ రద్దీ నిర్వహణ మరియు ట్రాఫిక్ లోడ్ బ్యాలెన్సింగ్ కోసం థ్రెషోల్డ్‌లు మరియు కౌంటర్‌లతో సహా కీలక పనితీరు సూచికల గ్రాన్యులర్ పర్యవేక్షణను ప్రారంభిస్తుంది. gRPC సెషన్‌లు టెలిమెట్రీ డేటా స్ట్రీమింగ్‌కు మద్దతు ఇస్తాయి. gRPC అనేది HTTP/2 రవాణాపై నిర్మించబడిన ఆధునిక, ఓపెన్ సోర్స్, అధిక పనితీరు ఫ్రేమ్‌వర్క్. ఇది స్థానిక ద్వి దిశాత్మక స్ట్రీమింగ్ సామర్థ్యాలను బలపరుస్తుంది మరియు అభ్యర్థన శీర్షికలలో సౌకర్యవంతమైన అనుకూల-మెటాడేటాను కలిగి ఉంటుంది. టెలిమెట్రీలో ప్రారంభ దశ ఏ డేటాను సేకరించాలో తెలుసుకోవడం. మేము ఈ డేటాను వివిధ ఫార్మాట్లలో విశ్లేషించవచ్చు. మేము డేటాను సేకరించిన తర్వాత, దానిని పర్యవేక్షించడానికి, నిర్ణయాలు తీసుకోవడానికి మరియు అందించబడుతున్న సేవను మెరుగుపరచడానికి సులభమైన ఫార్మాట్‌లో ప్రదర్శించడం ముఖ్యం. ఈ పేపర్‌లో, మేము టెలిగ్రాఫ్, ఇన్‌ఫ్లక్స్‌డిబి మరియు గ్రాఫానాతో కూడిన టెలిమెట్రీ స్టాక్‌ని ఉపయోగిస్తాము. ఈ టెలిమెట్రీ స్టాక్ పుష్ మోడల్‌ని ఉపయోగించి డేటాను సేకరిస్తుంది. సాంప్రదాయ పుల్ మోడల్‌లు రిసోర్స్-ఇంటెన్సివ్, మాన్యువల్ జోక్యం అవసరం మరియు అవి సేకరించే డేటాలో సమాచార అంతరాలను చేర్చవచ్చు. డేటాను అసమకాలికంగా పంపిణీ చేయడం ద్వారా పుష్ మోడల్‌లు ఈ పరిమితులను అధిగమిస్తాయి. వారు యూజర్ ఫ్రెండ్లీని ఉపయోగించడం ద్వారా డేటాను మెరుగుపరుస్తారు tags మరియు పేర్లు. డేటా మరింత చదవగలిగే ఆకృతిలో ఉన్న తర్వాత, మేము దానిని డేటాబేస్‌లో నిల్వ చేసి, ఇంటరాక్టివ్ విజువలైజేషన్‌లో ఉపయోగిస్తాము web నెట్‌వర్క్‌ని విశ్లేషించడానికి అప్లికేషన్. మూర్తి. 1 ఈ స్టాక్ సమర్థవంతమైన డేటా సేకరణ, నిల్వ మరియు విజువలైజేషన్ కోసం ఎలా రూపొందించబడిందో మాకు చూపుతుంది, నెట్‌వర్క్ పరికరాల నుండి డేటాను కలెక్టర్‌కు నెట్టడం నుండి విశ్లేషణ కోసం డాష్‌బోర్డ్‌లలో ప్రదర్శించబడే డేటా వరకు.

TIG స్టాక్

మేము TIG స్టాక్‌తో సహా అన్ని సాఫ్ట్‌వేర్‌లను ఇన్‌స్టాల్ చేయడానికి ఉబుంటు సర్వర్‌ని ఉపయోగించాము.

టెలిగ్రాఫ్
డేటాను సేకరించడానికి, మేము 22.04.2 నడుస్తున్న ఉబుంటు సర్వర్‌లో టెలిగ్రాఫ్‌ని ఉపయోగిస్తాము. ఈ డెమోలో నడుస్తున్న టెలిగ్రాఫ్ వెర్షన్ 1.28.5.
టెలిగ్రాఫ్ అనేది కొలమానాలను సేకరించడం మరియు నివేదించడం కోసం ప్లగిన్ నడిచే సర్వర్ ఏజెంట్. ఇది ప్రాసెసర్‌ని ఉపయోగిస్తుంది plugins డేటాను మెరుగుపరచడానికి మరియు సాధారణీకరించడానికి. అవుట్పుట్ plugins ఈ డేటాను వివిధ డేటా స్టోర్‌లకు పంపడానికి ఉపయోగిస్తారు. ఈ పత్రంలో మేము రెండు ఉపయోగిస్తాము plugins: ఒకటి ఓపెన్‌కాన్ఫిగ్ సెన్సార్‌ల కోసం మరియు మరొకటి జునిపర్ స్థానిక సెన్సార్‌ల కోసం.
InfluxDB
సమయ శ్రేణి డేటాబేస్లో డేటాను నిల్వ చేయడానికి, మేము InfluxDBని ఉపయోగిస్తాము. టెలిగ్రాఫ్‌లోని అవుట్‌పుట్ ప్లగ్ఇన్ డేటాను ఇన్‌ఫ్లక్స్‌డిబికి పంపుతుంది, ఇది దానిని అత్యంత ప్రభావవంతమైన పద్ధతిలో నిల్వ చేస్తుంది. V1.8 మరియు అంతకంటే ఎక్కువ వాటి కోసం CLI లేనందున మేము V2ని ఉపయోగిస్తున్నాము.
గ్రాఫానా
ఈ డేటాను దృశ్యమానం చేయడానికి గ్రాఫానా ఉపయోగించబడుతుంది. Grafana InfluxDB నుండి డేటాను లాగుతుంది మరియు రిచ్ మరియు ఇంటరాక్టివ్ డాష్‌బోర్డ్‌లను సృష్టించడానికి వినియోగదారులను అనుమతిస్తుంది. ఇక్కడ, మేము వెర్షన్ 10.2.2ని అమలు చేస్తున్నాము.

స్విచ్‌లో కాన్ఫిగరేషన్

ఈ స్టాక్‌ని అమలు చేయడానికి, మనం మొదట మూర్తి 2లో చూపిన విధంగా స్విచ్‌ని కాన్ఫిగర్ చేయాలి. మేము పోర్ట్ 50051ని ఉపయోగించాము. ఇక్కడ ఏదైనా పోర్ట్‌ని ఉపయోగించవచ్చు. QFX స్విచ్‌కి లాగిన్ చేసి, కింది కాన్ఫిగరేషన్‌ను జోడించండి.

గమనిక: పాస్‌వర్డ్ స్పష్టమైన వచనంలో ప్రసారం చేయబడినందున ఈ కాన్ఫిగరేషన్ ల్యాబ్‌లు/POCల కోసం ఉద్దేశించబడింది. దీన్ని నివారించడానికి SSLని ఉపయోగించండి.

పర్యావరణం

Nginx
మీరు గ్రాఫానా హోస్ట్ చేయబడిన పోర్ట్‌ను బహిర్గతం చేయలేకపోతే ఇది అవసరం. రివర్స్ ప్రాక్సీ ఏజెంట్‌గా పనిచేయడానికి ఉబుంటు సర్వర్‌లో nginxని ఇన్‌స్టాల్ చేయడం తదుపరి దశ. nginx ఇన్‌స్టాల్ చేయబడిన తర్వాత, మూర్తి 4లో చూపిన పంక్తులను “డిఫాల్ట్” ఫైల్‌కు జోడించి, ఫైల్‌ను /etc/nginx నుండి /etc/nginx/sites-enabledకి తరలించండి.

Figure 5లో చూపిన విధంగా nginx సేవకు పూర్తి ప్రాప్తిని ఇవ్వడానికి ఫైర్‌వాల్ సర్దుబాటు చేయబడిందని నిర్ధారించుకోండి.

nginx ఇన్‌స్టాల్ చేయబడి మరియు అవసరమైన మార్పులు చేసిన తర్వాత, మేము a నుండి Grafanaని యాక్సెస్ చేయగలము web అన్ని సాఫ్ట్‌వేర్ ఇన్‌స్టాల్ చేయబడిన ఉబుంటు సర్వర్ యొక్క IP చిరునామాను ఉపయోగించడం ద్వారా బ్రౌజర్.
గ్రాఫానాలో ఒక చిన్న లోపం ఉంది, అది మిమ్మల్ని డిఫాల్ట్ పాస్‌వర్డ్‌ని రీసెట్ చేయనివ్వదు. మీరు ఈ సమస్యను ఎదుర్కొంటే ఈ దశలను ఉపయోగించండి.
గ్రాఫానాలో పాస్‌వర్డ్‌ను సెట్ చేయడానికి ఉబుంటు సర్వర్‌లో చేయవలసిన దశలు:

• /var/lib/grafana/grafana.dbకి వెళ్లండి
• sqllite3ని ఇన్‌స్టాల్ చేయండి
  o sudo apt ఇన్‌స్టాల్ sqlite3
• మీ టెర్మినల్‌లో ఈ ఆదేశాన్ని అమలు చేయండి
  o sqlite3 grafana.db
•  Sqlite కమాండ్ ప్రాంప్ట్ తెరవబడుతుంది; కింది ప్రశ్నను అమలు చేయండి:
  లాగిన్ అయిన వినియోగదారు నుండి > తొలగించండి='అడ్మిన్'
• గ్రాఫానాను పునఃప్రారంభించి, వినియోగదారు పేరు మరియు పాస్‌వర్డ్‌గా అడ్మిన్‌ని టైప్ చేయండి. ఇది కొత్త పాస్‌వర్డ్ కోసం అడుగుతుంది.

అన్ని సాఫ్ట్‌వేర్‌లు ఇన్‌స్టాల్ చేయబడిన తర్వాత, టెలిగ్రాఫ్‌లో కాన్ఫిగరేషన్ ఫైల్‌ను సృష్టించండి, ఇది స్విచ్ నుండి టెలిమెట్రీ డేటాను తీసి ఇన్‌ఫ్లక్స్‌డిబికి నెట్టడంలో సహాయపడుతుంది.

Openconfig సెన్సార్ ప్లగిన్

ఉబుంటు సర్వర్‌లో, అవసరమైన అన్నింటిని జోడించడానికి /etc/telegraf/telegraf.conf ఫైల్‌ను సవరించండి plugins మరియు సెన్సార్లు. ఓపెన్‌కాన్ఫిగ్ సెన్సార్‌ల కోసం, మేము మూర్తి 6లో చూపిన gNMI ప్లగ్‌ఇన్‌ని ఉపయోగిస్తాము. డెమో ప్రయోజనాల కోసం, హోస్ట్‌నేమ్‌ను “స్పైన్1”, gRPC కోసం ఉపయోగించే పోర్ట్ నంబర్ “50051”, స్విచ్ యొక్క వినియోగదారు పేరు మరియు పాస్‌వర్డ్ మరియు నంబర్‌ని జోడించండి. విఫలమైతే మళ్లీ డయల్ చేయడానికి సెకన్లు.
సబ్‌స్క్రిప్షన్ చరణంలో, ఈ నిర్దిష్ట సెన్సార్ కోసం “cpu” అనే ప్రత్యేక పేరు, సెన్సార్ మార్గం మరియు స్విచ్ నుండి ఈ డేటాను పట్టుకోవడానికి సమయ వ్యవధిని జోడించండి. అన్ని ఓపెన్ కాన్ఫిగ్ సెన్సార్‌ల కోసం ఒకే ప్లగ్ఇన్ inputs.gnmi మరియు inputs.gnmi.subscriptionని జోడించండి. (చిత్రం 6)

స్థానిక సెన్సార్ ప్లగిన్

ఇది స్థానిక సెన్సార్‌ల కోసం ఉపయోగించే జునిపర్ టెలిమెట్రీ ఇంటర్‌ఫేస్ ప్లగ్ఇన్. అదే telegraf.conf ఫైల్‌లో, స్థానిక సెన్సార్ ప్లగిన్ inputs.jti_openconfig_telemetryని జోడించండి, ఇక్కడ ఫీల్డ్‌లు దాదాపుగా openconfig వలె ఉంటాయి. ప్రతి సెన్సార్ కోసం ప్రత్యేక క్లయింట్ IDని ఉపయోగించండి; ఇక్కడ, మేము "telegraf3" ఉపయోగిస్తాము. ఈ సెన్సార్ కోసం ఇక్కడ ఉపయోగించబడిన ఏకైక పేరు "మెమ్" (మూర్తి 7).

చివరగా, ఈ సెన్సార్ డేటాను InfluxDBకి పంపడానికి అవుట్‌పుట్ ప్లగ్ఇన్ outputs.influxdbని జోడించండి. ఇక్కడ, డేటాబేస్కు "టెలిగ్రాఫ్" అని పేరు పెట్టారు, వినియోగదారు పేరు "ఇన్‌ఫ్లక్స్" మరియు పాస్‌వర్డ్ "ఇన్‌ఫ్లక్స్‌డిబి" (మూర్తి 8).

మీరు telegraf.conf ఫైల్‌ని సవరించిన తర్వాత, టెలిగ్రాఫ్ సేవను పునఃప్రారంభించండి. ఇప్పుడు, అన్ని ప్రత్యేక సెన్సార్‌ల కోసం కొలతలు సృష్టించబడ్డాయో లేదో నిర్ధారించుకోవడానికి InfluxDB CLIలో తనిఖీ చేయండి. InfluxDB CLIని నమోదు చేయడానికి “ఇన్‌ఫ్లక్స్” అని టైప్ చేయండి.

చిత్రంలో చూసినట్లుగా. 9, influxDB ప్రాంప్ట్‌ని నమోదు చేయండి మరియు డేటాబేస్ “టెలిగ్రాఫ్” ఉపయోగించండి. సెన్సార్‌లకు ఇవ్వబడిన అన్ని ప్రత్యేక పేర్లు కొలతలుగా జాబితా చేయబడ్డాయి.
ఏదైనా ఒక కొలత యొక్క అవుట్‌పుట్‌ను చూడటానికి, టెలిగ్రాఫ్ ఫైల్ సరైనదని మరియు సెన్సార్ పని చేస్తుందని నిర్ధారించుకోవడానికి, మూర్తి 1లో చూపిన విధంగా “cpu పరిమితి 10 నుండి * ఎంచుకోండి” అనే ఆదేశాన్ని ఉపయోగించండి.

telegraf.conf ఫైల్‌కి మార్పులు చేసిన ప్రతిసారీ, InfluxDBని ఆపివేసి, Telegrafని పునఃప్రారంభించి, ఆపై InfluxDBని ప్రారంభించాలని నిర్ధారించుకోండి.
బ్రౌజర్ నుండి గ్రాఫానాకు లాగిన్ చేయండి మరియు డేటా సరిగ్గా సేకరించబడుతుందని నిర్ధారించుకున్న తర్వాత డాష్‌బోర్డ్‌లను సృష్టించండి.
కనెక్షన్‌లు > InfuxDB > కొత్త డేటా సోర్స్‌ని జోడించండి.

1. ఈ డేటా సోర్స్‌కి పేరు పెట్టండి. ఈ డెమోలో ఇది "పరీక్ష-1".
2.  HTTP చరణం క్రింద, ఉబుంటు సర్వర్ IP మరియు 8086 పోర్ట్ ఉపయోగించండి.
   
3. InfluxDB వివరాలలో, అదే డేటాబేస్ పేరు, “టెలిగ్రాఫ్” ఉపయోగించండి మరియు ఉబుంటు సర్వర్ యొక్క వినియోగదారు పేరు మరియు పాస్‌వర్డ్‌ను అందించండి.
4. సేవ్ & టెస్ట్ క్లిక్ చేయండి. మీరు "విజయవంతం" అనే సందేశాన్ని చూసారని నిర్ధారించుకోండి.
   
5. డేటా మూలం విజయవంతంగా జోడించబడిన తర్వాత, డాష్‌బోర్డ్‌లకు వెళ్లి, కొత్తది క్లిక్ చేయండి. ఎడిటర్ మోడ్‌లో AI/ML వర్క్‌లోడ్‌లకు అవసరమైన కొన్ని డ్యాష్‌బోర్డ్‌లను సృష్టిద్దాం.

Exampసెన్సార్ గ్రాఫ్‌లు

కిందివి మాజీampAI/ML నెట్‌వర్క్‌ను పర్యవేక్షించడానికి అవసరమైన కొన్ని ప్రధాన కౌంటర్లు.
శాతంtagవెన్నెముక-0పై ఇన్‌గ్రెస్ ఇంటర్‌ఫేస్ et-0/0/1 కోసం ఇ వినియోగం

• డేటా మూలాన్ని పరీక్ష-1గా ఎంచుకోండి.
• FROM విభాగంలో, కొలతను "ఇంటర్ఫేస్"గా ఎంచుకోండి. ఈ సెన్సార్ పాత్‌కు ఉపయోగించే ప్రత్యేక పేరు ఇది.
• WHERE విభాగంలో, పరికరాన్ని ఎంచుకోండి ::tag, మరియు లో tag విలువ, స్విచ్ యొక్క హోస్ట్ పేరును ఎంచుకోండి, అంటే స్పైన్1.
• SELECT విభాగంలో, మీరు పర్యవేక్షించాలనుకుంటున్న సెన్సార్ బ్రాంచ్‌ను ఎంచుకోండి; ఈ సందర్భంలో “field(/interfaces/interface[if_name='et-0/0/0']/state/counters/if_in_1s_octets)” ఎంచుకోండి. ఇప్పుడు అదే విభాగంలో, “+”పై క్లిక్ చేసి, ఈ గణన గణితాన్ని జోడించండి (/50000000000 * 100). మేము ప్రాథమికంగా శాతాన్ని గణిస్తున్నాముtag400G ఇంటర్‌ఫేస్ యొక్క ఇ వినియోగం.
• FORMAT "సమయ-శ్రేణి" అని నిర్ధారించుకోండి మరియు ALIAS విభాగంలో గ్రాఫ్‌కు పేరు పెట్టండి.

ఏదైనా క్యూలో గరిష్ట బఫర్ ఆక్యుపెన్సీ

• డేటా మూలాన్ని పరీక్ష-1గా ఎంచుకోండి.
• FROM విభాగంలో, కొలతను "బఫర్"గా ఎంచుకోండి.
• WHERE విభాగంలో, పూరించడానికి మూడు ఫీల్డ్‌లు ఉన్నాయి. పరికరాన్ని ఎంచుకోండి ::tag, మరియు లో tag విలువ స్విచ్ యొక్క హోస్ట్ పేరును ఎంచుకోండి (అంటే వెన్నెముక-1); మరియు ఎంచుకోండి /cos/interfaces/interface/@name::tag మరియు ఇంటర్‌ఫేస్‌ను ఎంచుకోండి (అంటే et- 0/0/0); మరియు క్యూను కూడా ఎంచుకోండి, /cos/interfaces/interface/queues/queue/@queue::tag మరియు క్యూ నంబర్ 4ని ఎంచుకోండి.
• SELECT విభాగంలో, మీరు పర్యవేక్షించాలనుకుంటున్న సెన్సార్ బ్రాంచ్‌ను ఎంచుకోండి; ఈ సందర్భంలో "ఫీల్డ్(/cos/interfaces/interface/queues/queue/PeakBufferOccupancy)" ఎంచుకోండి.
• FORMAT "సమయ-శ్రేణి" అని నిర్ధారించుకోండి మరియు ALIAS విభాగంలో గ్రాఫ్‌కు పేరు పెట్టండి.

మీరు et-17/0/0, et-0/0/0, et-1/0/0 మొదలైన వాటి కోసం మూర్తి 2లో చూసినట్లుగా ఒకే గ్రాఫ్‌లో బహుళ ఇంటర్‌ఫేస్‌ల కోసం డేటాను కోలేట్ చేయవచ్చు.

PFC మరియు ECN అంటే ఉత్పన్నం

సగటు ఉత్పన్నాన్ని కనుగొనడానికి (సమయ పరిధిలో విలువలో వ్యత్యాసం), ముడి ప్రశ్న మోడ్‌ని ఉపయోగించండి.
ఇది ఒక సెకనులో స్పైన్-0 యొక్క et-0/0/1పై రెండు PFC విలువల మధ్య సగటు ఉత్పన్నాన్ని కనుగొనడానికి మేము ఉపయోగించిన ఇన్‌ఫ్లక్స్ ప్రశ్న.
"ఇంటర్‌ఫేస్" ఎక్కడ నుండి ("పరికరం"::tag = 'స్పైన్-1') మరియు $టైమ్ ఫిల్టర్ సమూహాన్ని సమయం ($విరామం)

"ఇంటర్‌ఫేస్" ఎక్కడ నుండి ("పరికరం"::tag = 'స్పైన్-1') మరియు $టైమ్ ఫిల్టర్ సమూహాన్ని సమయం ($విరామం)

ఇన్‌పుట్ రిసోర్స్ లోపాలు అంటే ఉత్పన్నం

వనరుల లోపాల కోసం ముడి ప్రశ్న అంటే ఉత్పన్నం:
“ఇంటర్‌ఫేస్” ఎక్కడ నుండి (“పరికరం”:::tag = 'స్పైన్-1') మరియు $టైమ్ ఫిల్టర్ సమూహాన్ని సమయం ($విరామం)

టెయిల్ డ్రాప్స్ అంటే ఉత్పన్నం

టెయిల్ డ్రాప్స్ కోసం ముడి ప్రశ్న అంటే ఉత్పన్నం:
"బఫర్" ఎక్కడ నుండి ("పరికరం":::tag = 'లీఫ్-1' మరియు "/cos/interfaces/interface/@name"::tag = 'et-0/0/0' మరియు “/cos/interfaces/interface/queues/queue/@queue”::tag = '4') మరియు $సమయం ద్వారా సమూహాన్ని ఫిల్టర్ చేయండి($__ఇంటర్వెల్) పూరించండి(శూన్యం)
 CPU వినియోగం

• డేటా మూలాన్ని పరీక్ష-1గా ఎంచుకోండి.
• FROM విభాగంలో, కొలతను “newcpu”గా ఎంచుకోండి
• WHEREలో, పూరించడానికి మూడు ఫీల్డ్‌లు ఉన్నాయి. పరికరాన్ని ఎంచుకోండి ::tag మరియు లో tag విలువ స్విచ్ యొక్క హోస్ట్ పేరును ఎంచుకోండి (అంటే వెన్నెముక-1). మరియు /భాగాలు/భాగం/ప్రాపర్టీలు/ఆస్తి/పేరులో:tag, మరియు పేరులో cpuutilization-total AND ఎంచుకోండి::tag RE0 ఎంచుకోండి.
• SELECT విభాగంలో, మీరు పర్యవేక్షించాలనుకుంటున్న సెన్సార్ బ్రాంచ్‌ను ఎంచుకోండి. ఈ సందర్భంలో, "ఫీల్డ్(స్టేట్/విలువ)" ఎంచుకోండి.

బిట్‌లు/సెకనులో బహుళ ఇంటర్‌ఫేస్‌లలో బహుళ స్విచ్‌ల కోసం టెయిల్ డ్రాప్స్ యొక్క నాన్-నెగటివ్ డెరివేటివ్‌ను కనుగొనడం కోసం ముడి ప్రశ్న.
non_negative_derivative(సగటు(“/cos/interfaces/interface/queues/queue/tailDropBytes”), 1s)*8 “బఫర్” ఎక్కడ నుండి (పరికరం::tag =~ /^స్పైన్-[1-2]$/) మరియు (“/cos/interfaces/interface/@name”::tag =~ /et-0\/0\/[0-9]/ లేదా “/cos/interfaces/interface/@name”::tag=~/et-0\/0\/1[0-5]/) మరియు $time ఫిల్టర్ సమూహం సమయం ($__ విరామం),పరికరం::tag పూరించండి (శూన్యం)

వీరు మాజీలలో కొందరుampAI/ML నెట్‌వర్క్‌ను పర్యవేక్షించడం కోసం సృష్టించగల గ్రాఫ్‌ల les.

సారాంశం

ఈ కాగితం టెలిమెట్రీ డేటాను లాగడం మరియు గ్రాఫ్‌లను సృష్టించడం ద్వారా దానిని దృశ్యమానం చేసే పద్ధతిని వివరిస్తుంది. ఈ కాగితం ప్రత్యేకంగా స్థానిక మరియు ఓపెన్‌కాన్ఫిగ్ రెండింటిలో AI/ML సెన్సార్‌ల గురించి మాట్లాడుతుంది, అయితే సెటప్ అన్ని రకాల సెన్సార్‌ల కోసం ఉపయోగించబడుతుంది. సెటప్‌ను సృష్టించేటప్పుడు మీరు ఎదుర్కొనే అనేక సమస్యలకు మేము పరిష్కారాలను కూడా చేర్చాము. ఈ పేపర్‌లో చిత్రీకరించబడిన దశలు మరియు అవుట్‌పుట్‌లు ముందుగా పేర్కొన్న TIG స్టాక్ వెర్షన్‌లకు నిర్దిష్టంగా ఉంటాయి. సాఫ్ట్‌వేర్ వెర్షన్, సెన్సార్‌లు మరియు జూనోస్ వెర్షన్‌ని బట్టి ఇది మారవచ్చు.

సూచనలు

అన్ని సెన్సార్ ఎంపికల కోసం జునిపెర్ యాంగ్ డేటా మోడల్ ఎక్స్‌ప్లోరర్
https://apps.juniper.net/ydm-explorer/
openconfig సెన్సార్ల కోసం Openconfig ఫోరమ్
https://www.openconfig.net/projects/models/

కార్పొరేట్ మరియు సేల్స్ ప్రధాన కార్యాలయం
జునిపెర్ నెట్‌వర్క్స్, ఇంక్.
1133 ఇన్నోవేషన్ వే
సన్నీవేల్, CA 94089 USA
ఫోన్: 888. జూనిపర్ (888.586.4737)
లేదా +1.408.745.2000
ఫ్యాక్స్: +1.408.745.2100
www.juniper.net
APAC మరియు EMEA ప్రధాన కార్యాలయం
జునిపెర్ నెట్‌వర్క్స్ ఇంటర్నేషనల్ BV
బోయింగ్ అవెన్యూ 240
1119 PZ షిపోల్-రిజ్క్
ఆమ్స్టర్డ్యామ్, నెదర్లాండ్స్
ఫోన్: +31.207.125.700
ఫ్యాక్స్: +31.207.125.701
కాపీరైట్ 2023 జునిపర్ నెట్‌వర్క్‌లు. Inc. Ail హక్కులు రిజర్వు చేయబడ్డాయి. జునిపర్ నెట్‌వర్క్‌లు, జునిపర్ నెట్‌వర్క్‌ల లోగో, జునిపర్, జూనోస్ మరియు ఇతర ట్రేడ్‌మార్క్‌లు జునిపర్ నెట్‌వర్క్‌ల రిజిస్టర్డ్ ట్రేడ్‌మార్క్‌లు. ఇంక్ మరియు/లేదా యునైటెడ్ స్టేట్స్ మరియు ఇతర దేశాలలో దాని అనుబంధ సంస్థలు. ఇతర పేర్లు వాటి సంబంధిత యజమానుల ట్రేడ్‌మార్క్‌లు కావచ్చు. జునిపెర్ నెట్‌వర్క్‌లు ఈ డాక్యుమెంట్‌లో ఏవైనా దోషాలకు బాధ్యత వహించదు. జునిపెర్ నెట్‌వర్క్‌లు మార్చుకునే హక్కును కలిగి ఉన్నాయి. సవరించు. నోటీసు లేకుండా ఈ ప్రచురణను బదిలీ చేయండి లేదా సవరించండి.
దీనికి అభిప్రాయాన్ని పంపండి: design-center-comments@juniper.net V1.0/240807/ejm5-telemetry-junos-ai-ml

పత్రాలు / వనరులు

AI ML వర్క్‌లోడ్ సాఫ్ట్‌వేర్ కోసం Juniper NETWORKS టెలిమెట్రీ ఇన్ జూనోస్ [pdf] యూజర్ గైడ్ AI ML వర్క్‌లోడ్ సాఫ్ట్‌వేర్ కోసం జూనోస్‌లో టెలిమెట్రీ, AI ML వర్క్‌లోడ్ సాఫ్ట్‌వేర్, AI ML వర్క్‌లోడ్ సాఫ్ట్‌వేర్, వర్క్‌లోడ్ సాఫ్ట్‌వేర్, సాఫ్ట్‌వేర్

సూచనలు

• వినియోగదారు మాన్యువల్