OMS-Agent-for-Linux 开源项目最佳实践
2025-05-25 22:40:00作者:宗隆裙
1. 项目介绍
OMS-Agent-for-Linux 是由微软开源的一个项目,用于在 Linux 系统上提供丰富的实时运营数据分析功能。它能够从 Linux 服务器、Docker 容器以及像 Nagios、Zabbix 和 System Center 这样的监控工具中收集系统日志、性能数据、警报和库存信息。项目旨在帮助用户轻松地将这些数据发送到 Azure Monitor Log Analytics 工作区,以便进行进一步的分析和监控。
2. 项目快速启动
以下是在 Azure 和 Azure 政府云中配置 OMS-Agent-for-Linux 的步骤。请确保你有一个 Azure Monitor Log Analytics 工作区,并获取工作区 ID 和密钥。
# 获取工作区 ID 和密钥
# 在 Azure 门户中导航到 Log Analytics 工作区,复制工作区 ID 和主密钥。
# 安装 OMS-Agent-for-Linux
wget https://raw.githubusercontent.com/Microsoft/OMS-Agent-for-Linux/master/installer/scripts/onboard_agent.sh && sh onboard_agent.sh -w <YOUR_WORKSPACE_ID> -s <YOUR_WORKSPACE_PRIMARY_KEY>
# 对于 Azure 政府云,添加参数 -d opinsights.azure.us
wget https://raw.githubusercontent.com/Microsoft/OMS-Agent-for-Linux/master/installer/scripts/onboard_agent.sh && sh onboard_agent.sh -w <YOUR_WORKSPACE_ID> -s <YOUR_WORKSPACE_PRIMARY_KEY> -d opinsights.azure.us
确保替换 <YOUR_WORKSPACE_ID> 和 <YOUR_WORKSPACE_PRIMARY_KEY> 为你的实际工作区 ID 和主密钥。
3. 应用案例和最佳实践
心跳数据收集
- 配置 OMS-Agent-for-Linux 以定期发送心跳数据到 Log Analytics 工作区,以确认代理的运行状态。
日志数据收集
- 配置 Linux 服务器上的日志文件,使其自动发送到 Log Analytics 工作区,便于集中管理和分析。
Docker 容器监控
- 使用 OMS-Agent-for-Linux 监控 Docker 容器的日志和性能数据,以便于实时分析容器化应用的运行情况。
性能数据收集
- 收集 CPU、内存、磁盘和网络使用情况的数据,将这些性能指标发送到 Log Analytics 工作区,用于性能分析和容量规划。
定制 JSON 数据
- 根据需要,自定义 JSON 格式的数据,并使用 OMS-Agent-for-Linux 发送到 Log Analytics 工作区,进行特定的数据分析。
4. 典型生态项目
- Log Analytics Agent for Linux Azure VM extension: Azure 虚拟机扩展,可以轻松地将虚拟机连接到 Azure Monitor Log Analytics 工作区。
- Container Monitoring solution for Docker hosts: 用于监控 Docker 主机的解决方案,可以与 OMS-Agent-for-Linux 配合使用。
- Azure Monitor for containers: 针对 Kubernetes 环境的监控解决方案,提供了容器化应用的性能和健康监控。
以上就是基于 OMS-Agent-for-Linux 开源项目的最佳实践指南。通过这些步骤,您可以有效地集成和利用 Linux 系统的数据,进行运营监控和数据分析。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210