Metadata-Version: 2.1
Name: prod-monitoring-nsxt
Version: 1.0.3.post2
Summary: Implements nodes for remote monitoring of NSX-T devices.
Home-page: UNKNOWN
Author: The_Crazy_Sys_Admin
License: UNKNOWN
Platform: UNKNOWN
Requires-Python: >=3.6.8, <4
Description-Content-Type: text/markdown
License-File: LICENSE.md
Requires-Dist: library-nsxt (<2,>=1.0.8)
Requires-Dist: proc-monitoring (<2,>=1.0.1)


# Monitorización
Este proyecto incluye un módulo empaquetado "**prod_monitoring_nsxt**", el cual está preparado para envíar métricas de monitorización de sistemas NSX-T hacia sistemas kafka para su posterior recolección en BBDD. Una vez las métricas estén en BBDD serán accesibles desde el **dashboard** de Grafana. Funciona creando instancias paralelas que recolectan las métricas de cada uno de los nodos a monitorizar, definidos en el fichero "**configuration.yaml**"

## Requisitos
Los requisitos para instalar y ejecutar el proyecto son:
- Un IDE o un editor de código:
  - IDE: *PyCharm*
  - Editores de Código: *Visual Studio Code*, *Notepad++*, *VIM*
  

- Un entorno de *Python 3.6.8* mínimo con las siguientes librerías:
  - library-nsxt
  - proc-monitoring


- Si se utiliza en Windows, también instalar los paquetes:
  - win-inet-python


- Opcionalmente, si se requiere ejecutar un entorno local de kafka para realizar pruebas, se pueden utilizar las siguientes imágenes docker para construir el entorno:
  - `confluentinc/cp-zookeeper`
  - `confluentinc/cp-kafka`  
  En el directorio "**docker**" hay un fichero para construir el entorno local de kafka con docker.

## Instalación
Para instalar el programa localmente o en un Linux remoto:

1. Descargar o clonar el proyecto desde el repositorio.
2. Asegurarse de tener un entorno de Python funcional con la versión requerida y los paquetes necesarios.
3. Activar el entorno de Python que fue creado.
4. Instalar el módulo ejecutando este comando en la ruta del proyecto:
~~~bash
python setup.py install
~~~
5. Modificar el fichero `configuration.yaml` para recolectar las métricas de los nodos deseados y configurar el sistema kafka al que se van a envíar.
6. Ejecutar el script "**executor.py**" con el fichero de configuración (**configuration.yaml**).
7. Opcionalmente podemos definir un servicio para ejecutar la recolección de métricas en segundo plano.

> Se puede instalar docker y ejecutar el comando `docker-compose up` en el directorio "**docker**" para crear un entorno de pruebas con Kafka instalado y así depurar fallos en el envío de métricas a Kafka.

## Configuración
Los argumentos para linea de comandos del script principal **executor.py** son:

- `-cf`/`--config-file`: Describe los nodos lanzados en la ejecución y su configuración.
- `-w`/`--whatif`: Si se establece, el script se ejecutará normalmente pero no cambiará ningún dato persistente.
- `-i`/`--info`: Si se establece, mostrará en pantalla la información de cada uno de los pasos del lanzamiento del script.
- `-d`/`--debug`: Si se establece, aumentará el nivel de información mostrada en pantalla, generalmente solo se usa para depurar errores.
- `-h`/`--help`: Muestra un mensage de ayuda del script.

Para configurar los nodos a monitorizar o modificar el servidor Kafka al que se envían las métricas, modificar el fichero `configuration.yaml`.
Este fichero está dividido en 3 objetos principales, "**nodos**", "**argumentos**" y "**conexiones**":

- **Nodos(`nodes`)**: En esta sección los nodos son declarados y configurados. Para añadir un nodo, simplemente añadir una entrada a la lista de nodos, con el parámetro `type` especificando el nombre completo de la clase a la que debería de ser instanciada, y el parámetro `args` especificando el diccionario de argumentos que se pasaría a la clase. Cada tipo de nodo que se defina en un futuro, debería de estar documentado en el directorio `docs`.

- **Argumentos(`args`)**: En esta sección los argumentos son creados y definidos. El valor de estos argumentos, es obtenido posteriormente desde la clase nodo concreta para ser utilizado.

- **Conexiones(`connection_refs`)**: En esta sección se definen las conexiones necesarias para recabar métricas y enviarlas, como por ejemplo, la uri de la API de NSX y sus credenciales, o la IP del servidor Kafka al que se van a envíar las métricas. Posteriormente se accede a estás conexiones definidas desde la sección `args` de cada nodo.

