커스텀 에이전트 검사 작성

개요

이 페이지에서는 min_collection_interval을 사용하여 샘플 커스텀 Agent 검사를 만드는 과정을 안내하며 샘플 커스텀 검사를 확장하는 사용 사례 예제를 제공합니다. 커스텀 검사는 기본값이 매 15초인 Agent 기반 통합과 동일하게 고정된 간격으로 실행됩니다.

설정

설치

커스텀 에이전트 검사를 생성하려면 Datadog Agent를 먼저 설치하세요.

참고: Agent v7+를 실행 중인 경우 커스텀 에이전트 검사는 Python 3와 호환되어야 합니다. 또는 Python 2.7+와 호환되어야 합니다.

구성

  1. 시스템에서 conf.d 디렉토리로 변경합니다. conf.d 디렉토리를 찾을 위치에 대한 자세한 내용은 Agent 설정 파일을 참조하세요.
  2. conf.d 디렉토리에서 새 에이전트 검사를 위한 새 config 파일을 생성합니다. custom_checkvalue.yaml로 파일 이름을 지정합니다.
  3. 다음을 포함하도록 파일을 편집합니다:

    conf.d/custom_checkvalue.yaml

    init_config:
instances:
  [{}]
  4. checks.d 디렉토리에 검사 파일을 만듭니다. custom_checkvalue.py 파일 이름을 지정합니다.
  5. 다음을 포함하도록 파일을 편집합니다:

    checks.d/custom_checkvalue.py

    from checks import AgentCheck
class HelloCheck(AgentCheck):
  def check(self, instance):
    self.gauge('hello.world', 1)
  6. Agent를 재시작하세요. 1분 이내에hello.world라는 메트릭 요약에서 새 메트릭이 표시됩니다.

참고: 설정과 검사 파일의 이름이 일치해야 합니다. 검사 이름이 custom_checkvalue.py인 경우 설정 파일의 이름을 반드시 custom_checkvalue.yaml로 지정해야 합니다.

결과

1분 이내에 1 값을 전송하는 hello.world라는 메트릭 요약에 새 메트릭이 표시됩니다.

참고: 커스텀 검사 이름을 선택할 때 기존 Datadog Agent 통합의 이름과 겹치지 않도록 custom_를 접두사로 추가해야 합니다. 예를 들어 커스텀 Postfix 검사가 있는 경우 검사 파일의 이름을 postfix.py 및 postfix.yaml 대신 custom_postfix.py및 custom_postfix.yaml로 지정합니다.

수집 간격 업데이트

검사의 수집 간격을 변경하려면 custom_checkvalue.yaml 파일에서 min_collection_interval을 사용합니다. 기본값은 15입니다. Agent v6의 경우 인스턴스 레벨에서 min_collection_interval를 추가하고 인스턴스 당 개별적으로 설정해야 합니다. 예:

conf.d/custom_checkvalue.yaml

init_config:

instances:
  - min_collection_interval: 30

참고: min_collection_interval이 30로 설정되어 있으면 메트릭이 30초마다 수집되는 것이 아니라 30초마다 가능한 자주 수집되는 것입니다. 컬렉터는 30초마다 검사를 실행하나 동일한 Agent에 활성화되어 있는 통합과 검사 수에 따라 대기해야 할 수도 있습니다. 또한 check 방식이 완료되는 데 30초 이상 걸릴 경우 Agent는 검사가 실행 중임을 인지하고 다음 간격까지 실행을 건너뜁니다.

검사 확인하기

검사가 실행 중인지 확인하려면 다음 명령어를 사용하세요.

sudo -u dd-agent -- datadog-agent check <CHECK_NAME>

검사가 실행 중인 것을 확인하면 Agent를 다시 시작하여 검사를 포함시키고 데이터를 Datadog에 보고하기 시작합니다.

명령줄 프로그램을 실행하는 검사 작성

명령줄 프로그램을 실행하고 출력을 커스텀 메트릭으로 캡처하는 커스텀 검사를 생성할 수 있습니다. 예를 들어, 검사는 볼륨 그룹에 대한 정보를 보고하는 vgs 명령을 실행할 수 있습니다.

검사 내에서 하위 프로세스를 실행하려면 datadog_checks.base.utils.subprocess_output 모듈의 get_subprocess_output()기능을 사용합니다. 명령과 해당 인수는 목록 내의 문자열 형태로 get_subprocess_output()에 전달됩니다.

예시

예를 들어, 명령 프롬프트에서 다음과 같은 명령을 입력합니다:

vgs -o vg_free

다음과 같이 반드시 get_subprocess_output()로 전달해야 합니다.

out, err, retcode = get_subprocess_output(["vgs", "-o", "vg_free"], self.log, raise_on_empty_output=True)

참고: 검사를 실행하는 파이썬(Python) 인터프리터는 멀티스레드 Go 런타임에 내장되어 있으므로 파이썬(Python) 표준 라이브러리의 subprocess 또는 multithreading 모듈은 Agent 버전 6 이상에서 지원되지 않습니다.

결과

명령줄 프로그램을 실행할 때 검사는 터미널의 명령줄에서 실행되는 것과 동일한 출력을 캡처합니다. 숫자 유형을 반환하기 위해 출력에서 문자열 처리를 수행하고 결과에서 int() 또는 float()를 호출하세요.

하위 프로세스의 출력에 대해 문자열 처리를 수행하지 않거나 정수 또는 부동 소수점을 반환하지 않으면 검사는 오류 없이 실행되는 것처럼 보이나 데이터는 보고하지 않습니다.

다음은 명령줄 프로그램 결과를 반환하는 검사 예시입니다:

# ...
from datadog_checks.base.utils.subprocess_output import get_subprocess_output

class LSCheck(AgentCheck):
    def check(self, instance):
        files, err, retcode = get_subprocess_output(["ls", "."], self.log, raise_on_empty_output=True)
        file_count = len(files.split('\n')) - 1  #len() returns an int by default
        self.gauge("file.count", file_count,tags=['TAG_KEY:TAG_VALUE'] + self.instance.get('tags', []))

로드 밸런서에서 데이터 전송

커스텀 에이전트 검사를 작성할 때 일반적으로 로드 밸런서에서 Datadog 메트릭을 전송합니다. 시작하기 전 설정 단계를 따르세요.

로드 밸런서에서 데이터를 보낼 파일을 확장하려면:

  1. custom_checkvalue.py의 코드를 다음 항목으로 대체합니다. (lburl의 값을 로드 밸런서의 주소로 대체):

    checks.d/custom_checkvalue.py

    import urllib2
import simplejson
from checks import AgentCheck

class CheckValue(AgentCheck):
  def check(self, instance):
    lburl = instance['ipaddress']
    response = urllib2.urlopen("http://" + lburl + "/rest")
    data = simplejson.load(response)

    self.gauge('coreapp.update.value', data["value"])

  2. custom_checkvalue.yaml 파일을 업데이트합니다 (ipaddress를 로드 밸런서의 IP 주소로 대체):

    conf.d/custom_checkvalue.yaml

    init_config:

instances:
  - ipaddress: 1.2.3.4

  3. Agent를 다시 시작합니다. 1분 이내에 로드 밸런서에서 메트릭을 전송하는coreapp.update.value 메트릭 요약에 새 메트릭이 표시됩니다.

  4. 이 메트릭에 대한 대시보드를 생성합니다.

Agent 버전 지정

다음 try/except 블록을 사용하여 커스텀 검사가 모든 에이전트 버전과 호환되도록 설정합니다:

try:
    # 먼저 새 버전의 Agent에서 기본 클래스를 가져옵니다.
    from datadog_checks.base import AgentCheck
except ImportError:
    # 위에서 실패한 경우 Agent 버전 6.6.0 미만에서 검사가 실행 중입니다.
    from checks import AgentCheck

# 특수 변수 __version__의 내용은 Agent 상태 페이지에 표시됩니다
__version__ = "1.0.0"

class HelloCheck(AgentCheck):
    def check(self, instance):
        self.gauge('hello.world', 1, tags=['TAG_KEY:TAG_VALUE'] + self.instance.get('tags', []))

참고 자료

추가 유용한 문서, 링크 및 기사:

Datadog에서 개발설명서 more more
PREVIEWING: rtrieu/product-analytics-ui-changes