zabbix数据库优化之zabbix server优化(三)

简介:

                                            zabbix数据库优化之zabbix server优化(三)

一,配置优化

LogFile=/var/log/zabbix/zabbix_server.log

LogFileSize=1024    

DebugLevel=3                 #日志级别

PidFile=/var/run/zabbix/zabbix_server.pid

DBHost=localhost

DBName=zabbix

DBUser=zabbix

DBPassword=zabbix

DBSocket=/var/lib/mysql/mysql.sock

StartPollers=100              #poller进程  100                    

StartPollersUnreachable=30    #无法访问的主机轮询进程30

StartPingers=30               #ping轮询数量

StartDiscoverers=30

StartTimers=10

SenderFrequency=30      #发送报警超时

SNMPTrapperFile=/var/log/snmptrap/snmptrap.log

CacheSize=4096M              #存储主机,项目和触发器数据的共享内存          

CacheUpdateFrequency=120      #执行配置缓存的更新频率

StartDBSyncers=24            #数据库同步进程

HistoryCacheSize=2048M

HistoryIndexCacheSize=2048M

TrendCacheSize=2048M         #趋势数据最大2G

ValueCacheSize=2048M         #缓存项历史数据请求,历史值缓存

Timeout=30

UnreachablePeriod=120        #几秒钟的不可达性将主机视为不可用。  不可用

UnavailableDelay=60          #主机在不可用期间内检查可用性的频率(秒)。  不可用

UnreachableDelay=5           #不可达检测频率   解决wait for 3 seconds

AlertScriptsPath=/usr/lib/zabbix/alertscripts

ExternalScripts=/usr/lib/zabbix/externalscripts

LogSlowQueries=2000          #记录慢查询 

HousekeepingFrequency=1      #从历史记录,警报和警报表中删除不必要的信息  不超过4个小时  每隔1小时启动一次,删除过期数据

MaxHousekeeperDelete=1000000 #清除过期数据,超过这个阀值的行都会被清理。



本文转自 吃草的青蛙 51CTO博客,原文链接:http://blog.51cto.com/tlinux/1970024,如需转载请自行联系原作者

相关文章
|
9天前
|
SQL 存储 数据库
优化数据库查询性能
【8月更文挑战第23天】优化数据库查询性能
30 7
|
17天前
|
数据库 索引
如何优化数据库索引?
【8月更文挑战第14天】如何优化数据库索引?
35 4
|
6天前
|
存储 缓存 负载均衡
【PolarDB-X 技术揭秘】Lizard B+tree:揭秘分布式数据库索引优化的终极奥秘!
【8月更文挑战第25天】PolarDB-X是阿里云的一款分布式数据库产品,其核心组件Lizard B+tree针对分布式环境优化,解决了传统B+tree面临的数据分片与跨节点查询等问题。Lizard B+tree通过一致性哈希实现数据分片,确保分布式一致性;智能分区实现了负载均衡;高效的搜索算法与缓存机制降低了查询延迟;副本机制确保了系统的高可用性。此外,PolarDB-X通过自适应分支因子、缓存优化、异步写入、数据压缩和智能分片等策略进一步提升了Lizard B+tree的性能,使其能够在分布式环境下提供高性能的索引服务。这些优化不仅提高了查询速度,还确保了系统的稳定性和可靠性。
27 5
|
3天前
|
缓存 NoSQL 数据库
Web服务器与数据库优化:提升系统性能的最佳实践
【8月更文第28天】在现代的Web应用中,Web服务器与后端数据库之间的交互是至关重要的部分。优化这些组件及其相互作用可以显著提高系统的响应速度、吞吐量和可扩展性。本文将探讨几种常见的优化策略,并提供一些具体的代码示例。
11 1
|
9天前
|
监控 数据库 索引
如何优化数据库索引?
【8月更文挑战第23天】如何优化数据库索引?
27 4
|
6天前
|
SQL 缓存 监控
优化大型数据库查询的最佳实践
在处理大规模数据时,数据库查询性能的优化至关重要。本文探讨了几种优化大型数据库查询的最佳实践,包括索引策略、查询重写、数据分区和缓存机制。通过这些方法,开发人员可以显著提高查询效率,减少系统负担,提升用户体验。本文还结合实际案例,提供了具体的优化技巧和工具建议,帮助读者有效地管理和优化大型数据库系统。
|
17天前
|
存储 SQL 缓存
优化数据库
【8月更文挑战第15天】优化数据库
20 1
|
17天前
|
SQL 存储 数据库
OceanBase数据库优化
【8月更文挑战第14天】OceanBase数据库优化
42 2
|
18天前
|
数据库连接 数据库
实现加载驱动、得到数据库对象、关闭资源的代码复用,将代码提取到相应的工具包里边。优化程序
该博客文章展示了如何通过创建工具类`Connectiontools`实现数据库连接、语句执行以及资源关闭的代码复用,以优化程序并提高数据库操作的效率和安全性。
|
21天前
|
SQL 关系型数据库 MySQL
"告别蜗牛速度!解锁批量插入数据新姿势,15秒狂插35万条,数据库优化就该这么玩!"
【8月更文挑战第11天】在数据密集型应用中,高效的批量插入是性能优化的关键。传统单条记录插入方式在网络开销、数据库I/O及事务处理上存在明显瓶颈。批量插入则通过减少网络请求次数和数据库I/O操作,显著提升效率。以Python+pymysql为例,通过`executemany`方法,可实现在15秒内将35万条数据快速入库,相较于传统方法,性能提升显著,是处理大规模数据的理想选择。
43 5

热门文章

最新文章

推荐镜像

更多
下一篇
云函数