Linux SNMP アルゴリズムと機能モジュール

Linux SNMP アルゴリズムと機能モジュール

Linux SNMP を十分に学習したい場合は、いくつかのモジュールに精通している必要があります。そこで今日は、Linux SNMP プロトコルの関連仕様を紹介します。次に、主にその MIB と SMI の意味について説明します。そして、そこに含まれるアルゴリズムの一部。

Linux SNMP はプロトコルに依存しないように設計されているため、IP、IPX、AppleTalk、OSI、およびその他のトランスポート プロトコルで使用できます。

Linux SNMP は、ネットワーク上のデバイスからネットワーク管理情報を収集する方法を提供するプロトコルと仕様のセットです。 Linux SNMP は、デバイスがネットワーク管理ワークステーションに問題やエラーを報告する方法も提供します。

MIB: 管理情報ベース

SMI: 管理情報の構造と識別

Linux SNMP アルゴリズム

管理対象デバイスからデータを収集する方法は 2 つあります。1 つはポーリングのみの方法、もう 1 つは割り込みベースの方法です。

ポーリングのみの方法を使用する場合、ネットワーク管理ワークステーションが常に制御します。この方法の欠点は、情報のリアルタイム性、特にエラーのリアルタイム性です。どのくらいの頻度でポーリングしますか? また、どのような順序でデバイスをポーリングしますか?

ポーリング間隔が短すぎると、不要なトラフィックが大量に生成されます。ポーリング間隔が長すぎて、ポーリングが順序どおりに行われない場合、重大な壊滅的なイベントに関する通知が遅れてしまいます。これは、プロアクティブなネットワーク管理のための Linux SNMP の目的に反します。

異常なイベントが発生した場合、割り込みベースの方法では、ネットワーク管理ワークステーションにすぐに通知できます (デバイスがクラッシュしておらず、管理対象デバイスと管理ワークステーションの間に利用可能な通信パスがまだあると仮定)。

ただし、このアプローチには欠点がないわけではありません。まず、エラーやトラップを生成するにはシステム リソースが必要です。トラップが大量の情報を転送する必要がある場合、管理対象デバイスはトラップを生成するためにより多くの時間とシステム リソースを消費する必要があり、その結果、その主な機能に影響が及ぶ可能性があります (ネットワーク管理の原則 2 に違反します)。

さらに、同じ種類のトラップイベントが連続して複数発生すると、同じ情報によって大量のネットワーク帯域幅が占有される可能性があります(ネットワーク管理の原則 1 に違反します)。トラップがネットワークの輻輳に関連している場合は、状況が特に悪化する可能性があります。

この欠点を克服する 1 つの方法は、管理対象デバイスに対して問題を報告するタイミングに関するしきい値を設定することです。残念ながら、このアプローチは、トラップを生成するかどうかを決定するためにデバイスがより多くの時間とシステム リソースを消費する必要があるため、ネットワーク管理の原則 2 に再び違反する可能性があります。

結果として、上記の 2 つの方法 (トラップ指向ポーリング) を組み合わせることが、Linux SNMP を使用してネットワーク管理を実行する最も効果的な方法であると考えられます。一般的に、ネットワーク管理ワークステーションは、管理対象デバイス内のエージェントをポーリングしてデータを収集し、そのデータをコンソールに数値またはグラフで表示します。これにより、ネットワーク管理者はデバイスとネットワーク トラフィックを分析および管理できます。

管理対象デバイス内のエージェントは、事前に設定されたしきい値を超える度合いなどのエラー状態をいつでもネットワーク管理ワークステーションに報告できます。エージェントは、管理ワークステーションがこれらのエラー状態をポーリングして報告するまで待つ必要はありません。これらのエラー状態は Linux SNMP トラップと呼ばれます。

<<:  パスワードを解読する方法: 暗号ハッシュアルゴリズムの識別

>>:  LEACHプロトコルのアルゴリズムと特徴

ブログ    

推薦する

馬懿、沈向陽、曹英の最新AIレビューが人気に!作成に3か月かかりました。ネットユーザー必読の論文です

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

...

...

...

ポストエピデミック時代の8つの主要な技術開発トレンド

COVID-19パンデミックは、パンデミック中でも企業や人々の生活が通常通り継続できるようにデジタル...

...

これら10機関からの24の調査データはAIのトレンドを理解するのに役立ちます

[[256519]] 2019年1月現在の人工知能の現状は?最近の調査では、AI の人気、測定可能な...

史上最大のAI著作権訴訟を徹底分析! OpenAI は失敗する運命にあるのでしょうか、それともニューヨーク・タイムズが勝つ可能性はゼロなのでしょうか?

ニューヨーク・タイムズによるOpenAIとマイクロソフトに対する訴訟は、AI技術の発展に影響を及ぼす...

...

生成 AI とその使用例とは何ですか?

生成 AI は私たちの働き方を変える運命にある驚異的な技術ですが、それは何を実現できるのでしょうか。...

AIとDevOps: 効率的なソフトウェア配信のための完璧な組み合わせ

AI時代では、DevOpsとAIが共有結合します。 AI はビジネス ニーズに基づいてソフトウェアの...

水滴事件の裏側:スマート監視下では逃げ場はなく、カモフラージュやマスク着用も無意味!

[[213371]]はじめに:90年代生まれの少女が突然現れ、水滴カメラ生放送プラットフォームを批...

Microsoft のエンジニアが PyTorch を使用してグラフ アテンション ネットワークを実装し、驚くべき視覚効果を実現

最近、グラフアテンションネットワークの視覚化に関するプロジェクトが多くの研究者の関心を集めており、開...

Nature: 光コンピューティングと AI 推論を統合して高速かつ高帯域幅の AI コンピューティングを実現

電子コンピューティングと比較すると、光コンピューティングは高速、高帯域幅、低消費電力という利点があり...

数学者は解けないコンピュータの問題を発見した

最近、海外メディアの報道によると、数学者たちは自分たちには解決できない機械学習に関連したコンピュータ...