Übungsaufgaben zur Systemüberwachung

Zwei der folgenden, je 1 Punkt:

• Überwachung von Netzwerkkomponenten (Zustand, Auslastung, Fehlerzähler abfragen),
• Fernkonfiguration und Fernsteuerung von Netzwerkkomponenten (Einstellungen ändern),
• Fehlererkennung und Fehlerbenachrichtigung (Ereignisse an eine zentrale Stelle melden).

Je 1 Punkt für drei passende Stichpunkte:

• Ein Agent ist ein Programm auf dem überwachten Gerät (oder ein Hardwaremodul, z. B. Netzwerkkarte), das den Zustand des Geräts erfasst.
• Er beantwortet Anfragen der Managementstation SRV-MON mit den angeforderten Werten und kann auf deren Anweisung Einstellungen ändern oder Aktionen auslösen.
• Bei besonderen Ereignissen (z. B. Port down, Papier leer) meldet er sich unaufgefordert beim Manager.
• Der Manager SRV-MON fragt die Agenten regelmäßig ab (Polling), speichert die Werte, stellt sie dar und alarmiert.

Je 1 Punkt für Funktion und Beispiel:

Die MIB ist ein hierarchisch aufgebautes Informationsmodell bzw. eine Art Datenbank, die beschreibt, welche Werte eines Geräts per SNMP abgefragt oder verändert werden können (1 Punkt). Jeder Wert ist über einen eindeutigen Object Identifier (OID) wie 1.3.6.1.2.1.43.11.1.1.9 adressiert und hat Name, Datentyp und Zugriffsrecht (1 Punkt). Manager und Agent verständigen sich über diese OIDs; die Monitoring-Software braucht die passende MIB (hier die Printer-MIB), um den Wert als „Füllstand Farbband“ richtig anzuzeigen (1 Punkt).

• UDP (verbindungslos) (1 Punkt)
• Port 161: Agenten auf den Geräten nehmen Anfragen (GET, SET) entgegen (1 Punkt).
• Port 162: Der Manager SRV-MON empfängt TRAPs (1 Punkt).

Je 0,5 Punkte, z. B.: Switches, Access Points, Router bzw. Firewall, Server (Info-Server, Streaming-Server), Badge-Drucker, USV im Serverraum, Klimagerät im Serverraum, Encoder bzw. Kamera mit SNMP-Unterstützung.

• Authentifizierung (2 Punkte): stellt sicher, dass nur berechtigte Manager bzw. Personen auf die Geräte zugreifen und Werte abfragen oder per SET verändern dürfen, und dass Nachrichten unterwegs nicht verfälscht wurden. Bei v2c reicht ein Community-String, der im Klartext übertragen wird – wer ihn mitliest oder public errät, kann Geräte abfragen, mit Schreibrechten sogar Ports abschalten.
• Verschlüsselung (2 Punkte): wandelt die übertragenen Daten in Geheimtext um, sodass Unbefugte (z. B. im Gäste-WLAN) Gerätenamen, Adressen, Softwarestände und Konfigurationen nicht mitlesen können.
• Entscheidung (1 Punkt): SNMPv3 mit Authentifizierung und Verschlüsselung (Sicherheitsstufe authPriv), weil nur diese Version beides bietet; zusätzlich SNMP nur aus VLAN 140 zulassen und möglichst nur lesend.

• SNMP = Simple Network Management Protocol (1 Punkt). Funktionsweise (2 Punkte): Der Manager fragt die Agenten der Geräte über standardisierte OIDs aus MIBs per UDP ab (GET) bzw. empfängt TRAPs; so lassen sich Geräte vieler Hersteller einheitlich überwachen und steuern.
• API = Application Programming Interface (1 Punkt). Funktionsweise (2 Punkte): eine definierte Schnittstelle mit festgelegten Anfragen und Antworten, über die Programme Daten austauschen, ohne den Quellcode des anderen Systems zu kennen; hier ruft die Monitoring-Software z. B. per HTTPS eine Adresse des Info-Servers auf und erhält den Akkustand aller Türschilder als JSON.

Je 2 Punkte (Beschreibung und Beispiel):

• Threshold (Schwellenwert): vordefinierter Wert, ab dem eine kritische Situation erkannt und ein Event ausgelöst wird. Beispiel: Warnung, wenn ein Access Point mehr als 60 Clients hat oder der Uplink zu mehr als 80 % ausgelastet ist.
• Round Trip Time: Zeit, die ein Paket für den Weg zu einem Gerät und zurück braucht; wichtig für Echtzeitkommunikation. Beispiel: SRV-MON misst per Ping 2 ms zum Streaming-Server; steigt der Wert auf 200 ms, ruckelt der Livestream.
• Packet Loss: Anteil der Datenpakete, die bei der Übertragung verloren gehen; beeinträchtigt Qualität und Durchsatz. Beispiel: 5 % Verlust zum Encoder in der Aula führen zu Bildaussetzern im Stream.
• Event: auftretendes Ereignis bzw. Zustandswechsel, den das Monitoring registriert. Beispiel: Stromversorgung eines Infomonitors unterbrochen, Port am Switch geht auf „down“.
• Predictive Maintenance: vorausschauende Wartung, bei der aus Zustandsdaten ein drohender Ausfall vorhergesagt und rechtzeitig gehandelt wird. Beispiel: Ein Türschild-Akku verliert seit Wochen schneller an Ladung und wird vor dem Barcamp getauscht.

Je 1 Punkt, z. B.: Antwortzeit des Check-in-Dienstes (Response Time), Datenvolumen bzw. Auslastung des Internetanschlusses, Fehlerzähler an Switch-Ports, Anzahl Clients je Access Point, CPU- und Speicherauslastung des Streaming-Servers, Temperatur im Serverraum, Zustand der USV, Jitter.

Engpass (1 Punkt): der Arbeitsspeicher (95 % belegt, viele harte Fehler, d. h. Zugriffe auf ausgelagerte Seiten). Die hohe Datenträgerlast ist eine Folge: Sie entsteht durch die Auslagerungsdatei. CPU und Netzwerk sind kaum ausgelastet.

Zwei Maßnahmen, je 2 Punkte, z. B.:

• Der VM mehr Arbeitsspeicher zuweisen (z. B. 32 GB), sofern der Host genug RAM frei hat; bei einer VM ist das ohne Hardwaretausch möglich.
• Anwendungen bzw. Dienste mit hohem Speicherbedarf optimieren, nicht benötigte Dienste beenden oder auf eine andere VM verlagern.
• Auf Speicherlecks prüfen (steigt die Belegung nach jedem Neustart stetig an?) und das Programm vom Hersteller korrigieren lassen.

Analyse (2 Punkte): Antwortzeit und Nutzung der Auslagerungsdatei steigen und fallen gemeinsam; die höchsten Antwortzeiten (410 ms, 460 ms, 610 ms) treten genau dann auf, wenn am meisten ausgelagert wird – vormittags, nachmittags und um 22:00 Uhr (vermutlich ein nächtlicher Auswertungs- oder Sicherungsjob).

Ursache (1 Punkt): zu wenig Arbeitsspeicher; Daten müssen auf den viel langsameren Datenträger ausgelagert werden.

• Ursache (2 Punkte): Die Messreihen haben sehr unterschiedliche Wertebereiche und Einheiten (0 bis 10 GB bzw. 35 bis 610 ms). Mit einer gemeinsamen Achse passt der Maßstab nur zur Antwortzeit; die Werte der Auslagerungsdatei liegen alle nahe 0 und wirken wie eine flache Linie.
• Verbesserung (2 Punkte): Für jede Messreihe eine eigene y-Achse mit passendem Maßstab und Einheit verwenden (z. B. links GB, rechts ms) oder zwei Diagramme mit gemeinsamer Zeitachse übereinander anordnen. Dann ist der gemeinsame Verlauf beider Reihen sichtbar.

Zwei Aspekte, je 2 Punkte, z. B.:

• Andere Last auf Host, VM oder NAS (Datensicherung, Updates, Virenscan, andere VMs) muss beendet bzw. vor und nach der Erweiterung gleich sein, sonst misst man deren Last mit.
• Gleiche, praxisgerechte Testbedingungen: dieselben Testfälle (typische Buchungen und Auswertungen), dieselbe Datenmenge und Tageszeit vor und nach der Erweiterung.
• Test in einer abgeschotteten Umgebung bzw. ohne fremden Netzwerkverkehr, damit Schwankungen im Netz das Ergebnis nicht verfälschen.
• Mehrfach messen: Beim zweiten Lauf liegen Daten im Cache, der erste Lauf ist langsamer; Ausreißer erkennen und Mittelwerte bilden.

S.M.A.R.T. (Self-Monitoring, Analysis and Reporting Technology) überwacht laufend Zustandswerte der Festplatte und meldet Abweichungen (1 Punkt). Vorteil: Ein drohender Ausfall wird frühzeitig erkannt, sodass Daten gesichert und die Platte geplant getauscht werden kann, bevor Daten verloren gehen (1 Punkt).

Die Platte hat aktuell eine Temperatur von 58 °C (Rohwert des Attributs 194) (1 Punkt). Laut Datenblatt sind im Betrieb (operating) höchstens 55 °C zulässig (1 Punkt). Die Platte wird also 3 °C über der zulässigen Betriebstemperatur betrieben; die 70 °C gelten nur für Lagerung und Transport (non-operating) und sind hier nicht maßgeblich (1 Punkt).

Zwei Folgen, je 2 Punkte, z. B.:

• Schnellerer Verschleiß, steigende Fehlerraten und kürzere Lebensdauer bis zum Totalausfall der Platte.
• Fällt die Platte aus, baut das NAS das RAID 6 automatisch auf die Hot-Spare-Platte um (Rebuild). Während des Rebuilds sind alle Platten stark belastet und die Redundanz ist eingeschränkt; bei weiterer Überhitzung können zusätzliche Platten ausfallen.
• Während Rebuild oder bei Lesefehlern sinkt die Leistung des NAS deutlich (Dateizugriffe der Werkstatt werden langsam).
• Ist die Ursache ein ausgefallener Lüfter, überhitzen auch die benachbarten Platten.

Je 1 Punkt, z. B.: aktuelle Datensicherung prüfen bzw. durchführen; Ursache untersuchen (Lüfter, Luftstrom im Serverschrank, Raumtemperatur) und beheben; Vorfall dokumentieren und Ticket eröffnen; Austausch der Platte planen und Ersatzplatte bereitlegen; Temperaturverlauf beobachten und einen Schwellenwert im Monitoring einrichten.

Je 1 Punkt, z. B.: Anzahl neu zugewiesener Sektoren (Reallocated Sectors Count), Betriebsstunden (Power-On Hours), Anzahl Ein-/Ausschaltvorgänge bzw. Start-/Stopp-Vorgänge, schwebende Sektoren (Current Pending Sector Count), Übertragungsfehler (UDMA CRC Error Count), Fehlerrate beim Lesen, bei SSDs Verschleiß (Percentage Used).

Je 1 Punkt, z. B.: Umgebungstemperatur (auch Sonneneinstrahlung, fehlende Klimatisierung), Luftfeuchte, Staub und Partikel (z. B. Metallstaub oder Schleifstaub aus der Werkstatt), Vibrationen (Maschinen in der Werkstatt), elektromagnetische Störungen (EMV), Spannungsschwankungen bzw. Überspannung.

Je 1 Punkt:

• LED 1 „AC“ (Power input): Das Netzteil wird netzseitig mit Wechselspannung versorgt.
• LED 2 „DC“ (Power output): Das Netzteil versorgt den Server mit Gleichspannung.
• LED 3 „!“ (Fault): Das Netzteil hat eine Störung bzw. einen Fehler (blinkend oft eine Warnung, z. B. Übertemperatur).

Je Event 1 Punkt Bedeutung, 1 Punkt Folge, 1 Punkt Beispiel:

17-mal (Vorfallszähler).

• Das System hat den bekannten Fehler 2207 erkannt und als Selbstentstörung den Workaround automatisch ausgeführt (ent- und wieder verriegeln) (1 Punkt).
• Weil die Selbstentstörung erfolgreich war, ist die Störung behoben; es wird kein Mensch alarmiert (1 Punkt).
• Der Vorfallszähler für Fehler 2207 wird um 1 auf 18 erhöht (1 Punkt).

Proaktives Problemmanagement beseitigt Ursachen, bevor erneut Störungen auftreten, statt nur auftretende Störungen zu beheben (1 Punkt). Am Beispiel: Das System zählt die Schließvorgänge jedes Schlosses. Weil der Fehler im Mittel nach etwa 1.800 Schließvorgängen auftritt, wird jedes Schloss ab etwa 1.600 Vorgängen bei der nächsten Inspektion geprüft und die Kontaktfeder vorsorglich getauscht (1 Punkt). Steigt der Vorfallszähler auffällig (z. B. bei bestimmten Stationen oder bei Regen), wird zusätzlich die Ursache (Abdichtung des Kontakts) mit dem Hersteller geklärt (1 Punkt).

• INFO (und NOTICE) → Information, WARNING → Warning (1 Punkt).
• ERROR und CRIT → Exception (1 Punkt): Die Selbstentstörung ist fehlgeschlagen, das Rad ist nicht gesichert – der Zustand liegt außerhalb des Sollbereichs, und ein Mensch muss sofort eingreifen (Bereitschaft informiert) (1 Punkt).

• Muster (2 Punkte): Bei Rad 7 tritt Fehler 2207 in einer Nacht dreimal auf (23:41, 01:12 und 03:27 Uhr), und zwar erst, nachdem es ab 23:15 Uhr in Werther regnet. Das passt zur Fehlerbeschreibung (Feuchtigkeit am Kontakt). Der Vorfallszähler steigt in einer Nacht von 17 auf 19, beim dritten Mal versagt der Workaround.
• Maßnahme (1 Punkt): Schloss von Rad 7 vorziehend prüfen und Kontaktfeder tauschen; Abdichtung bzw. Unterstand der Ladestation Werther verbessern.
• Alarmregel (1 Punkt), z. B.: „Tritt Fehler 2207 am selben Rad mehr als zweimal innerhalb von 6 Stunden auf, Warning an das Service-Team und Wartungsticket anlegen“ oder „bei Niederschlag nächtliche Schlossmeldungen der Station Werther mit Priorität melden“.

• Automatisierte Reaktion (1 Punkt): Ladevorgang sofort stoppen bzw. Ladeleistung drosseln (das Ladegerät ist ein Aktor), Event protokollieren und gleichzeitig ein Ticket anlegen.
• Vorteil automatisiert (1,5 Punkte): Die Reaktion erfolgt sofort, auch nachts ohne Personal vor Ort; die Gefahr (Überhitzung, Brand des Akkus) wird begrenzt, bevor ein Schaden entsteht.
• Vorteil manuell (1,5 Punkte): Ein Mensch kann den Zusammenhang beurteilen (Sensor defekt oder tatsächlich heißer Akku? Hitze im Sommer? Schaden am Akku nach Sturz?), vor Ort nachsehen und über das weitere Vorgehen entscheiden (Akku tauschen, Rad sperren, Feuerwehr), was eine Regel nicht vorhersehen kann.