Cacti设置流量阀值实现邮件报警

简介:

安装thold需要先settings支持

http://docs.cacti.net/plugin:thold

http://docs.cacti.net/plugin:settings

1、安装settings与thold

[root@localhost ~]# tar zxvf thold-v0.5.0.tgz -C /usr/local/nginx/html/plugins

[root@localhost ~]# tar zxvf settings-v0.71-1.tgz -C /usr/local/nginx/html/plugins/

2、注册到Cacti页签

[root@localhost ~]# vi /usr/local/nginx/html/include/config.php

$url_path = "/";    #下面添加如下

$plugins[] = 'settings';

$plugins[] = 'thold';

3、安装并启动插件

wKiom1MGz1yCf4YtAARFtPdNL5U403.jpg

安装并启动后,控制栏会多出一些功能选项

wKioL1MGz0fiMzD0AARoYWFBXIA988.jpg

4、设置发送邮件信息

wKiom1MJ3xayRrOlAAdvoqX0ap4954.jpg

5、默认Cacti报警使用Bites来监控流量的,我们需要转换成Mbits,这样方便设置阀值。

console—GraphManagement—CDEFs—Add—Byte to Mbits

wKiom1MGz3jSDEAJAARos7njcqw918.jpg

6、Monitor提供了一个可视化对主机状态监控,安装与上面一样

下载:http://docs.cacti.net/plugin:monitor

wKiom1MGz47yuZXdAATU-b4VwYk735.jpg

wKioL1MGz5iwuxd2AAELSceONvg330.jpg

7、添加监控对象与报警信息

wKiom1MGz8fyGbT0AAPrxyyDuBM221.jpg

选择要监控的主机,交换机端口,进出流量,点击Create创建

wKioL1MGz6yir_9VAASsG3kef04970.jpg

填写报警信息

wKiom1MGz-GCewFlAAV4ounFggg620.jpg

wKioL1MGz-fDH_ssAAMdy8TQUsA599.jpg

8、查看报警状态及测试报警

wKiom1MG0BehtQ3MAANYsVjbs54301.jpg

至此邮件报警就设置完成了,可以在服务器上下载东西,来测试到达阀值看是否报警了。


目录
相关文章
|
弹性计算 虚拟化 异构计算
2023阿里云GPU服务器租用价格表(包月/按小时/学生价)
2023阿里云GPU服务器租用价格表(包月/按小时/学生价)阿里云GPU服务器租用价格表包括包年包月价格、一个小时收费以及学生GPU服务器租用费用,阿里云GPU计算卡包括NVIDIA V100计算卡、T4计算卡、A10计算卡和A100计算卡,GPU云服务器gn6i可享受3折优惠,阿里云百科分享阿里云GPU服务器租用价格表、GPU一个小时多少钱以及学生GPU服务器收费价格表
1528 0
|
移动开发 前端开发 JavaScript
有哪些技术可以实现H5页面在折叠屏上的适配?
有哪些技术可以实现H5页面在折叠屏上的适配?
606 123
|
12月前
|
JSON 自然语言处理 开发者
Lazada item_get 接口对接全攻略:从入门到精通
Lazada开放平台item_get接口可获取商品详情,支持东南亚多国多语言、多货币,适用于跨境电商选品、比价等场景。本文详解接口对接流程、认证机制、代码实现及最佳实践,助开发者快速掌握商品数据获取全流程。
|
10月前
|
缓存 安全 Java
线程池初始化严禁使用Executors
阿里巴巴规范禁止使用Executors创建线程池,因其默认队列无界(如LinkedBlockingQueue)或线程数过多,易导致OOM。推荐使用ThreadPoolExecutor自定义参数,或结合Guava工具设置有界队列、合理线程数及拒绝策略,避免内存溢出并提升可维护性。
|
机器学习/深度学习 存储 数据中心
《深度揭秘:TPU张量计算架构如何重塑深度学习运算》
TPU(张量处理单元)是谷歌为应对深度学习模型计算需求而设计的专用硬件。其核心矩阵乘法单元(MXU)采用脉动阵列架构,显著提升矩阵运算效率;内存管理单元优化数据流通,减少瓶颈;控制单元协调系统运作,确保高效稳定。TPU在训练和推理速度、能耗方面表现出色,大幅缩短BERT等模型的训练时间,降低数据中心成本。尽管通用性和易用性仍有挑战,但TPU已为深度学习带来革命性变化,未来有望进一步优化。
1282 19
|
数据采集 人工智能 监控
从 Agent 到模型推理:端到端的可观测性实践
本文探讨了AI领域的最新发展趋势及应用挑战,详细分析了模型、框架与应用场景的进展,并针对如何用好AI、节省资源与确保合规提出了见解。同时,文章深入剖析了AI应用的典型架构,强调实现端到端可观测性的关键步骤,包括全链路追踪与数据平台构建。此外,还介绍了阿里云提供的全栈可观测解决方案,以及Tracing技术的具体实现细节。通过对关键性能指标(如TTFT和TPOT)的监控,优化数据采集与探针性能,解决了Dify等平台的实际问题。最后,阐述了模型质量评估与Token黑洞监控的重要性,并展示了阿里云监控平台的统一观测能力,助力用户全面掌握AI应用表现。
|
机器学习/深度学习 Kubernetes 监控
Kubernetes 节点故障自愈方案:结合 Node Problem Detector 与自动化脚本
本文深入探讨了Kubernetes节点故障自愈方案,结合Node Problem Detector(NPD)与自动化脚本,提供技术细节、完整代码示例及实战验证。文章分析了硬件、系统和内核层面的典型故障场景,指出现有监控体系的局限性,并提出基于NPD的实时事件捕获与自动化诊断树的改进方案。通过深度集成NPD、设计自动化修复引擎以及展示内核死锁恢复的实战案例,文章详细说明了自愈流程的实现步骤与性能优势。此外,还提供了生产环境部署指南、高可用架构设计及安全防护措施,并展望了机器学习增强故障预测和混沌工程验证的进阶优化方向。全文约1.2万字,适合希望提升Kubernetes集群稳定性的技术人员阅读。
932 2
|
人工智能 算法 C++
浅谈 KMP
KMP算法是一种高效的字符串匹配算法,由Knuth、Morris和Pratt提出。它通过预处理模式串构建next数组,利用匹配失败时的信息减少重复比较,从而提升匹配效率。其时间复杂度为O(m+n),适用于大规模文本匹配场景。
699 0
|
传感器 分布式计算 算法
解码大数据的四个V:体积、速度、种类与真实性
解码大数据的四个V:体积、速度、种类与真实性
1080 21
|
安全 网络安全 iOS开发
macOS系统安装NMAP扫描工具
macOS系统安装NMAP扫描工具
1347 1