第284篇：数据中心网络监控：Telemetry 与 gRPC

关键词

Telemetry、gRPC、流式数据采集、gRPC Dial-in/Dial-out、Protobuf、模型驱动监控、SNMP 替代、华为 Telemetry

一、从 SNMP 到 Telemetry

1.1 SNMP 的局限

传统 SNMP 监控模式（PULL 模式）：

SNMP 的痛点： ┌─ 轮询模式（PULL）：NMS 主动问 ├─ 采集粒度粗：典型轮询间隔 5-15 分钟 ├─ 数据量小：每次 GET 只取几个 OID ├─ 网络开销大：大量 GET/Response 报文 ├─ 难以捕捉瞬间事件：亚秒级抖动无法发现 └─ 二进制 OID 解析繁琐：MIB 依赖

典型问题： 5 分钟轮询间隔 → 错过 90% 的微突发 1000 台设备 → 频繁读写 CPU 升高

1.2 Telemetry 优势

Telemetry 模式（PUSH 模式）：

Telemetry 的关键优势： ┌─ PUSH 模式：设备主动上报 ├─ 高频率：亚秒级（100ms/1s/10s） ├─ 高密度：一次上报数千条数据 ├─ 低延迟：实时推送，无轮询间隔 ├─ 结构化数据：YANG 模型 + Protobuf/JSON └─ 低 CPU 开销：设备按预定周期推送

1.3 监控能力对比

二、gRPC Telemetry 协议

2.1 gRPC 基础

gRPC = Google Remote Procedure Call 基于 HTTP/2 + Protobuf 的高性能 RPC 框架

2.2 Dial-in 和 Dial-out 模式

Telemetry 两种传输模式：

  ┌─ Dial-out 模式（推荐，最常用）
  │
  │  设备主动连接采集器
  │
  │  ┌──────────┐  建立 gRPC 连接   ┌────────┐
  │  │  交换机   │ ────────────────► │ 采集器 │
  │  │(gRPC     │   PUSH 数据       │(gRPC   │
  │  │ Server)  │ ────────────────► │ Client)│
  │  └──────────┘                    └────────┘
  │
  │  优势：
  │  ┌─ 设备主动出站，无需入站端口暴露
  │  ├─ 采集器宕机不影响设备（重新连接）
  │  └─ 适合大规模部署（设备端控制推送）

  ┌─ Dial-in 模式
  │
  │  采集器主动连接设备
  │
  │  ┌──────────┐  建立 gRPC 连接   ┌────────┐
  │  │  采集器   │ ────────────────► │ 交换机 │
  │  │(gRPC     │   Subscribe 请求  │(gRPC   │
  │  │ Client)  │  ◄──PUSH 数据──── │ Server)│
  │  └──────────┘                    └────────┘
  │
  │  适用：
  │  └─ 按需订阅，临时采集

2.3 华为 Telemetry 配置

华为 CloudEngine Telemetry 配置（Dial-out）：

#
# 1. 定义传感器组（采集哪些数据）
#
telemetry
 sensor-group cpu-memory
  sensor-path huawei-device:/hw-device/
   cpu-usage
   memory-usage
  #
 sensor-group interface-statistics
  sensor-path huawei-ifm:/ifm/interfaces/
   interface/statistics
  #
 sensor-group bgp-stats
  sensor-path huawei-bgp:/bgp/
   peers/peer/statistics

#
# 2. 定义采集器目标
#
destination-group collector-group
  ip-address 192.168.100.100 port 10001
   protocol grpc no-tls
  ip-address 192.168.100.101 port 10001
   protocol grpc no-tls

#
# 3. 订阅（关联传感器和采集器）
#
subscription basic-sub
  sensor-group cpu-memory sample-interval 10
  sensor-group interface-stats sample-interval 30
  sensor-group bgp-stats sample-interval 60
  destination-group collector-group

三、Telemetry 数据模型

3.1 数据结构

Telemetry 数据封装结构（GPB 编码）：

YANG 模型示例（huawei-ifm）： module: huawei-ifm +--rw ifm +--rw interfaces +--rw interface* [name] +--rw name string +--rw statistics +--ro in-bits uint64 +--ro out-bits uint64 +--ro in-discards uint32 +--ro out-discards uint32 +--ro in-errors uint32 +--ro out-errors uint32

3.2 常用传感器路径

华为设备常用 Sensor Path：

  接口统计：
    huawei-ifm:/ifm/interfaces/interface/statistics
    数据：入/出字节、包、丢弃、错误、广播/组播

  CPU/内存：
    huawei-device:/hw-device/cpu-usage
    huawei-device:/hw-device/memory-usage
    数据：CPU 利用率、内存利用率

  路由表：
    huawei-route:/route/routeTables/routeTable
    huawei-rib:/rib/ribTables/ribTable
    数据：路由条目数、路由变化

  BGP 状态：
    huawei-bgp:/bgp/peers/peer/statistics
    数据：BGP 邻居状态、前缀数、Update 消息

  VXLAN EVPN：
    huawei-evpn:/evpn/instances/instance
    数据：EVPN 实例、VNI、隧道、MAC 表

  QoS/队列：
    huawei-qos:/qos/queue-statistics
    数据：队列深度、丢弃、延迟

  流表（FIB）：
    huawei-fib:/fib/entries/entry
    数据：FIB 条目、命中统计

四、采集器与数据流水线

4.1 数据采集架构

端到端 Telemetry 数据流水线：

4.2 开源采集器

常用 Telemetry 采集工具：

1. Telegraf（推荐）
   ┌─ 插件丰富，支持 gRPC Telemetry
   ├─ 接收 → 解析 → 转发 → 时序 DB
   ├─ 配置简单
   └─ 社区活跃

   Telegraf 配置（/etc/telegraf/telegraf.conf）：
   [[inputs.cisco_telemetry_mdt]]
     # Telemetry 监听地址
     service_address = ":10001"
     # 数据格式
     transport = "grpc"

   [[outputs.influxdb]]
     urls = ["http://localhost:8086"]
     database = "telemetry"

2. Pipeline（华为）
   ┌─ 华为配套采集器
   ├─ 支持 GPB/JSON 解析
   ├─ 对接 NCE Insight
   └─ 商用支持

3. 自定义采集器（Python）
   ┌─ 使用 gRPC 库直接接收
   ├─ 灵活处理数据
   └─ 适用于特殊场景

五、实用配置案例

5.1 接口流量监控（100ms 精度）

# 华为设备配置
telemetry
  sensor-group interface-high-freq
    sensor-path huawei-ifm:/ifm/interfaces/interface/statistics
      sample-interval 100    # 100ms 采集一次

  destination-group col-group
    ip-address 10.1.1.100 port 10001
      protocol grpc no-tls

  subscription high-freq-sub
    sensor-group interface-high-freq
    destination-group col-group

# Telegraf 接收
[[inputs.cisco_telemetry_mdt]]
  service_address = ":10001"
  transport = "grpc"

[[outputs.influxdb]]
  urls = ["http://localhost:8086"]
  database = "dc_telemetry"
  retention_policy = "30d"

# Grafana 查询
  SELECT last("in-bits") / 1000000 AS "In Mbps"
  FROM "interface_statistics"
  WHERE "interface_name" = '40GE1/0/1'
  AND $timeFilter
  GROUP BY time(1s)

5.2 微突发检测

Telemetry 发现微突发（Microburst）：

Grafana 告警规则： ┌─ 当 in-bits（100ms 平均）> 90% 端口带宽 ├─ 持续时间 > 1 秒 └─ 触发告警：接口流突

六、Telemetry 最佳实践

生产环境 Telemetry 建议：

1. 采样频率设计
   ┌─ 接口统计：100ms-1s（检测微突发）
   ├─ CPU/内存：5-10s
   ├─ BGP 状态：10-30s
   └─ 路由表/FIB：30-60s

2. 采集器架构
   ┌─ 多采集器（HA 部署，2-3 台）
   ├─ 每台采集器支撑 500-1000 设备
   ├─ 使用 Kafka 缓冲（应对采集器重启）
   └─ 数据保留策略：原始数据 7d，聚合 30d

3. 安全加固
   ┌─ 生产环境使用 TLS 加密（protocol grpc tls）
   ├─ 证书管理（设备证书 + CA 证书）
   ├─ 采集器访问控制
   └─ 管理网络与业务网络分离

4. 数据治理
   ┌─ 定义数据标签规则（设备名/角色/机房）
   ├─ 标准化字段命名
   ├─ 数据质量监控（丢失率/延迟）
   └─ 定期审计数据完整性

总结

思考

1. Telemetry 相比 SNMP 的核心优势是什么？
2. Dial-out 和 Dial-in 模式有什么区别？为什么推荐 Dial-out？
3. 华为设备 Telemetry 的配置分为哪三个步骤？
4. 什么是传感器路径（Sensor Path）？常用的有哪些？
5. 如何用 Telemetry 检测微突发（Microburst）？
6. Telegraf 在 Telemetry 采集链中扮演什么角色？

下篇预告：第285篇 - Telemetry 数据采集与模型驱动，深入 Telemetry 的数据模型和基于 YANG 驱动的采集框架。