در این مقاله میخوانید
در زیرساخت مجازی، روشنبودن vCenter یا ESXi به معنای سلامت سرویس نیست.
ممکن است تمام Hostها Connected باشند، اما:
• Datastore با Latency بالا کار کند.
• یک VM با CPU Ready شدید مواجه باشد.
• Memory Ballooning یا Swapping رخ دهد.
• Snapshot قدیمی فضای Storage را مصرف کند.
• یکی از Storage Pathها از مدار خارج شده باشد.
• HA یا vMotion Network مشکل داشته باشد.
• Alarm مهمی در vCenter فعال شده باشد.
مانیتورینگ VMware باید چهار لایه را پوشش دهد:
1️⃣ vCenter
2️⃣ Cluster و ESXi
3️⃣ Datastore و Network
4️⃣ Virtual Machine و Application
Zabbix چگونه VMware را مانیتور میکند؟
Zabbix از طریق VMware API به vCenter یا ESXi متصل میشود و با VMware Collectorها دادهها را دریافت میکند.
معماری پیشنهادی:
"Zabbix Server/Proxy → HTTPS/API → vCenter → ESXi و VMها"
در محیط دارای vCenter بهتر است مانیتورینگ عمدتاً از طریق vCenter انجام شود تا Discovery و مدیریت Hostها و VMها متمرکز باشد.
برای اتصال باید یک حساب اختصاصی با دسترسی Read-Only و حداقل مجوز موردنیاز ساخته شود. استفاده از حساب Administrator اشتباه و پرریسک است.
1️⃣ سلامت vCenter
موارد مهم:
☑️ دسترسپذیری HTTPS
☑️ زمان پاسخگویی API
☑️ وضعیت سرویسهای vCenter
☑️ Expiration گواهی TLS
☑️ Alarmهای فعال
☑️ وضعیت Database و Storage Appliance
☑️ CPU، RAM و Disk خود vCenter
☑️ موفقیت Login حساب مانیتورینگ
☑️ خطاهای Collector در Zabbix
بازبودن TCP/443 کافی نیست؛ Zabbix باید بتواند Authentication انجام دهد و داده معتبر از API دریافت کند.
2️⃣ Cluster و ESXi Host
برای هر Host:
• Connection State
• Maintenance Mode
• Uptime
• CPU Usage
• Memory Usage
• Hardware Health
• Temperature و Sensor
• Network Interface
• Storage Adapter
• Datastore Connection
• وضعیت HA Agent
• Alarmهای فعال
• تعداد VMهای روشن و خاموش
Triggerهای مهم:
• Host Disconnected
• Host Not Responding
• ورود غیرمنتظره به Maintenance Mode
• مصرف پایدار CPU یا RAM
• از دست رفتن Redundancy
• Hardware Sensor Critical
• قطع Storage Path
• قطع Uplink مدیریتی یا vMotion
اگر ESXi Host Down شود، Problemهای تمام VMهای آن نباید بهعنوان Incident مستقل ارسال شوند. Trigger Dependency باید Root Cause را روی Host نگه دارد.
3️⃣ CPU Ready را جدی بگیرید
CPU Usage پایین همیشه نشانه سلامت VM نیست.
CPU Ready زمانی است که VM آماده اجراست، اما منتظر دریافت زمان CPU از Hypervisor مانده است.
دلایل احتمالی:
• Overcommit بیشازحد CPU
• تعداد زیاد vCPU
• رقابت VMها برای CPU
• طراحی نامناسب NUMA
• Host تحت فشار
ممکن است داخل Windows یا Linux مصرف CPU پایین دیده شود، اما Application کند باشد؛ زیرا VM زمانبندی مناسب دریافت نمیکند.
CPU Ready باید همراه با موارد زیر تحلیل شود:
• CPU Usage داخل Guest
• تعداد vCPU
• Load روی Host
• Co-Stop
• Workload سایر VMها
• روند زمانی Performance
دسترسی به برخی Performance Counterهای پیشرفته ممکن است به Template یا تنظیمات تکمیلی نیاز داشته باشد.
4️⃣ Memory Pressure
Metricهای مهم:
• Consumed Memory
• Active Memory
• Ballooning
• Swapping
• Compression
• Granted Memory
• Host Memory Utilization
Ballooning محدود الزاماً Incident نیست؛ اما Ballooning پایدار یا Hypervisor Swapping همراه با کندی، نشانه Memory Pressure است.
برای تحلیل درست باید همزمان این موارد دیده شوند:
"Guest Memory + VMware Memory + Host Pressure"
افزایش RAM داخل VM مشکل را حل نمیکند اگر Host فیزیکی منابع کافی نداشته باشد.
5️⃣ Datastore Monitoring
برای هر Datastore:
☑️ ظرفیت کل
☑️ فضای آزاد
☑️ درصد مصرف
☑️ Read/Write Latency
☑️ IOPS
☑️ Throughput
☑️ وضعیت اتصال
☑️ تعداد Hostهای متصل
☑️ نرخ رشد مصرف
☑️ زمان تخمینی پرشدن
Trigger فقط براساس درصد فضای آزاد کافی نیست. حجم واقعی آزاد و نرخ رشد نیز باید لحاظ شوند.
Latency باید براساس نوع Storage و Baseline همان محیط ارزیابی شود. مقدار طبیعی برای Local SSD، SAN و Storage مبتنی بر HDD یکسان نیست.
6️⃣ Snapshot Monitoring
Snapshot جایگزین Backup نیست.
Snapshot قدیمی یا حجیم میتواند باعث این مشکلات شود:
• افزایش مصرف Datastore
• رشد Delta Disk
• افت Performance
• طولانیشدن Consolidation
• دشوارشدن Backup
• خطر پرشدن Storage
موارد قابل کنترل:
• تعداد Snapshotها
• سن Snapshot
• اندازه تقریبی
• Consolidation Needed
• VMهای دارای Snapshot غیرمجاز
بسته به نسخه و Template، مانیتورینگ جزئی Snapshot ممکن است به API، Script یا Integration تکمیلی نیاز داشته باشد.
7️⃣ VMware Network
موارد مهم:
• Physical NIC Status
• Uplink Redundancy
• vSwitch و Distributed Switch
• Port Group
• VLAN Assignment
• Packet Drop و Error
• Management Network
• vMotion Network
• Storage Network
• Network Utilization
قطع یک Uplink ممکن است فوراً سرویس را Down نکند، اما Redundancy از بین رفته است. این وضعیت باید پیش از خرابی لینک دوم اعلام شود.
8️⃣ Virtual Machine Monitoring
از دید VMware:
• Power State
• Guest Status
• VMware Tools
• CPU و Memory
• Disk Provisioning
• Network Usage
• Alarm
• Host و Datastore محل اجرا
از داخل Guest نیز Agent لازم است:
• Service و Process
• File System
• Event Log
• Application
• DNS و NTP
• Security Agent
VMware Monitoring و Agent جای یکدیگر را نمیگیرند؛ یکی دید Hypervisor میدهد و دیگری وضعیت داخل سیستمعامل را نشان میدهد.
امنیت و استانداردسازی
🔐 حساب اختصاصی Read-Only
🔐 Macroهای Secret برای Credential
🔐 HTTPS و اعتبارسنجی Certificate
🔐 محدودسازی دسترسی Zabbix به vCenter
🔐 عدم استفاده از حساب شخصی
🔐 ثبت و Audit اتصالها
🔐 تعویض دورهای Credential
🔐 Dashboard و Permission براساس نقش
🔐 Dependency میان ESXi، VM و Application
🎯 جمعبندی
مانیتورینگ VMware فقط نمایش CPU و RAM ماشینهای مجازی نیست. باید رابطه میان Host، VM، Storage و Network را مشاهده کنیم و اثر کمبود منابع فیزیکی را بر سرویسهای مجازی تشخیص دهیم.
در قسمت بعد:
🔜 مانیتورینگ Firewall و VPN؛ از HA و Session تا Tunnel، WAN Failover و Subscription
📚 "مستندات رسمی VMware Monitoring در Zabbix" (https://www.zabbix.com/documentation/current/en/manual/vm_monitoring)
