zw008/VMware-Aria

VMware Aria Operations

声明：这是一个社区维护的开源项目，与 VMware, Inc. 或 Broadcom Inc. 无关联，也未获得其认可或赞助。“VMware”和“Aria”是 Broadcom 的商标。源代码已在 github.com/zw008/VMware-Aria 公开审计，遵循 MIT 许可证。

VMware Aria Operations（vRealize Operations）AI 辅助监控——27 个 MCP 工具，涵盖资源、告警、告警定义、容量规划、异常检测、报告自动化和平台健康。

面向 Aria Operations 8.x / vRealize Operations 8.x 的领域专注监控技能。 配套技能：vmware-nsx（网络）、vmware-aiops（虚拟机生命周期）、vmware-monitor（只读 vSphere）、vmware-avi（AVI/ALB/AKO）、vmware-harden（合规基线）。 | vmware-pilot（工作流编排）| vmware-policy（审计/策略）|

本技能的功能

类别	工具	数量
资源	列出、获取详情、指标、健康徽章、最大消耗者	5
告警	列出、获取详情、确认、取消、列出定义	5
告警定义	列出症状、创建定义、启用/禁用、删除	4
容量	集群概览、剩余容量、剩余时间、缩扩容建议	4
报告	列出模板、生成、列出、获取状态+下载URL、删除	5
异常	列出异常、风险徽章	2
健康	Aria 平台健康、收集器组状态	2

总计：27 个工具（20 个只读 + 7 个写入）

快速安装

uv tool install vmware-aria
vmware-aria doctor

何时使用本技能

性能监控（日常主动检查）：

• 检查虚拟机争用：CPU Ready 百分比、内存 Balloon、交换空间使用量
• 获取任意资源的时间序列指标（CPU、内存、磁盘、网络）
• 按 CPU/内存/磁盘/网络查找最大消耗者
• 检查每个资源的异常计数和风险徽章分数

告警管理：

• 列出、调查、确认或取消活跃告警
• 列出或过滤告警定义（模板）
• 从症状定义创建新的告警定义（事后根因分析后）
• 启用或禁用告警定义；删除过期的告警定义

容量规划：

• 集群剩余容量（CPU、内存、磁盘余量）
• 每个集群的满载时间预测
• 缩扩容建议：查找过度配置或利用不足的虚拟机
• 容量概览，包含 Aria 内置建议

报告自动化：

• 生成计划或按需报告（容量、性能、SLA）
• 轮询报告状态直至 COMPLETED；获取 PDF/CSV 下载 URL
• 下载后删除生成的报告

使用配套技能处理：

• 虚拟机生命周期：创建、克隆、快照、电源操作 → vmware-aiops
• NSX 网络：分段、网关、NAT、路由 → vmware-nsx
• vSphere 清单、实时告警、事件 → vmware-monitor
• 存储：iSCSI、vSAN、数据存储 → vmware-storage
• 负载均衡、AVI/ALB、AKO、Ingress → vmware-avi

相关技能——技能路由

用户意图	推荐技能
Aria Operations 监控、告警、容量	vmware-aria ← 本技能
虚拟机生命周期、部署、客户机操作	vmware-aiops
NSX 网络：分段、网关、NAT、路由	vmware-nsx
只读 vSphere 清单、事件、告警	vmware-monitor
存储：iSCSI、vSAN、数据存储	vmware-storage
带审批的多步骤工作流	vmware-pilot
合规基线（CIS / 等保 / PCI-DSS）、漂移检测、LLM 修复建议	vmware-harden (uv tool install vmware-harden)
负载均衡器、AVI、ALB、AKO、Ingress	vmware-avi (uv tool install vmware-avi)
审计日志查询	vmware-policy (vmware-audit CLI)

常见工作流

诊断调查：在运行任何“为什么 X 慢/失败/宕机”工作流之前，请遵循 references/investigation-protocol.md。它强制执行四个根因完整性标准（可证伪性/充分性/必要性/机制）以及最多三轮的深化循环。停留在部分结论上是一种反模式——在输出报告前，始终对照标准进行自我检查。

每日虚拟机健康检查（主动运维）

判断：不要追逐最高的 CPU 消耗者——而要追逐最高的争用消耗者。一个在安静主机上 CPU 使用率 90% 的虚拟机是健康的；一个 CPU 使用率 30% 但 Ready 值 15% 的虚拟机正在饥饿。关键指标：CPU Ready、内存 Balloon、磁盘延迟。

1. 查找最大 CPU 消耗者 → vmware-aria resource top --metric cpu|usage_average --top 20（这是起始集合，而非答案）
2. 检查热点虚拟机的 CPU Ready → vmware-aria resource metrics <vm-id> --metrics cpu.ready.summation --hours 24

   • 5% = 警告，>10% = 问题，>20% = 严重

3. 检查内存压力 → vmware-aria resource metrics <vm-id> --metrics mem.balloon.average,mem.swapped.average --hours 24
   • Balloon >0 = ESXi 正在回收内存；Swap >0 = 严重——立即操作
4. 列出活跃的 CRITICAL/IMMEDIATE 告警 → vmware-aria alert list --criticality CRITICAL
5. 检查异常计数 → vmware-aria anomaly list
6. 在报告任何“根因”之前，对照调查协议进行交叉验证——高消耗很少是根因，通常是下游症状

调查高 CPU 告警

1. 列出活跃的 CRITICAL 告警 → vmware-aria alert list --criticality CRITICAL
2. 获取告警详情 + 症状 → vmware-aria alert get <alert-id>
3. 查找最大 CPU 消耗者 → vmware-aria resource top --metric cpu|usage_average
4. 获取热点虚拟机 24 小时 CPU 指标 → vmware-aria resource metrics <vm-id> --metrics cpu|usage_average --hours 24
5. 检查风险徽章 → vmware-aria anomaly risk <vm-id>
6. 确认告警 → vmware-aria alert acknowledge <alert-id>

容量规划

1. 列出集群 → vmware-aria resource list --kind ClusterComputeResource
2. 获取剩余容量 → vmware-aria capacity remaining <cluster-id>
3. 预测满载时间 → vmware-aria capacity time-remaining <cluster-id>
4. 获取带建议的容量概览 → vmware-aria capacity overview <cluster-id>
5. 查找缩扩容候选 → vmware-aria capacity rightsizing

事后：创建检测告警（根因分析后续）

解决事件后，创建早期警告告警以防止再次发生。告警定义管理是MCP 专用（无 CLI 子命令）：

1. 查找匹配的症状定义 → MCP list_symptom_definitions（按 name_filter / resource_kind 过滤）
2. 创建引用症状的告警定义 → MCP create_alert_definition，指定名称、resource_kind、symptom_definition_ids、criticality（任意一个症状触发即触发告警）
3. 验证定义是否出现 → vmware-aria alert definitions --name "Gold VM CPU"（显示的严重性是定义各状态中的最大严重性）
4. 稍后启用或禁用 → MCP set_alert_definition_state

生成容量报告

1. 查找报告模板 → vmware-aria report definitions --name "Capacity"
2. 触发报告生成 → vmware-aria report generate <definition-id> --resources <resource-id>（报告 API 要求至少一个资源 UUID）
3. 轮询直至完成 → vmware-aria report get <report-id>（重复直到 status == COMPLETED）
4. 通过返回的 download_url（PDF）或 csv_url 下载
5. 清理 → vmware-aria report delete <report-id>

多目标操作

所有命令都接受 --target <name> 以针对特定的 Aria Ops 实例操作：

vmware-aria alert list --target prod
vmware-aria resource top --target lab

使用方式

场景	推荐方式	原因
本地/小型模型（Ollama、Qwen）	CLI	约 2K tokens vs MCP 约 8K
云端模型（Claude、GPT-4o）	皆可	MCP 提供结构化 JSON 输入输出
自动化流水线	MCP	类型安全参数、结构化输出

MCP 工具（27 个——20 个只读，7 个写入）

所有 MCP 工具都接受可选的 target 参数，用于选择要连接的 Aria Operations 实例。

类别	工具	类型	描述
资源	list_resources	只读	按资源类型列出虚拟机、主机、集群
	get_resource	只读	获取资源详情，包含健康、风险、效率徽章
	get_resource_metrics	只读	获取任意资源的时间序列指标统计数据
	get_resource_health	只读	获取健康徽章分数（0–100）
	get_top_consumers	只读	按 CPU、内存、磁盘或网络使用率对资源排名
告警	list_alerts	只读	列出带有严重性和资源 ID 的活跃告警（通过 get_resource 解析名称）
	get_alert	只读	获取告警详情及贡献症状（建议位于告警定义中）
	acknowledge_alert	写入	将告警标记为已确认（不会关闭告警）
	cancel_alert	写入	取消（忽略）活跃告警
	list_alert_definitions	只读	列出 Aria Ops 中配置的告警模板
告警定义	list_symptom_definitions	只读	列出症状定义——创建告警定义时使用 ID
	create_alert_definition	写入	从症状定义 ID 创建新的告警定义
	set_alert_definition_state	写入	启用或禁用告警定义
	delete_alert_definition	写入	永久删除告警定义
容量	get_capacity_overview	只读	组级别剩余百分比 + 每个维度的余量和满载天数
	get_remaining_capacity	只读	达到限制前的剩余 CPU、内存、磁盘
	get_time_remaining	只读	集群容量耗尽的天数
	list_rightsizing_recommendations	只读	需要调整大小的虚拟机：过度/利用不足
报告	list_report_definitions	只读	列出可用的报告定义模板
	generate_report	写入	触发报告生成（异步；返回 report_id）
	list_reports	只读	列出已生成的报告，可按定义过滤
	get_report	只读	轮询报告状态 + 获取 PDF/CSV 下载 URL
	delete_report	写入	删除已生成的报告
异常	list_anomalies	只读	每个资源的异常计数（System Attributes
	get_resource_riskbadge	只读	风险分数（0–100）：未来问题的可能性
健康	get_aria_health	只读	Aria 平台节点状态（ONLINE/OFFLINE）
	list_collector_groups	只读	收集器代理状态和连接性

读/写拆分：20 个只读，7 个写入。所有写入操作都会审计记录到 ~/.vmware/audit.db（通过 vmware-policy）。

CLI 快速参考

# 资源
vmware-aria resource list [--kind VirtualMachine|HostSystem|ClusterComputeResource] [--name <filter>]
vmware-aria resource get <resource-id>
vmware-aria resource metrics <resource-id> --metrics cpu|usage_average,mem|usage_average --hours 4
vmware-aria resource metrics <vm-id> --metrics cpu.ready.summation,mem.balloon.average --hours 24
vmware-aria resource health <resource-id>
vmware-aria resource top --metric cpu|usage_average --kind VirtualMachine --top 10

# 告警
vmware-aria alert list [--criticality CRITICAL|IMMEDIATE|WARNING|INFORMATION]
vmware-aria alert get <alert-id>
vmware-aria alert acknowledge <alert-id>
vmware-aria alert cancel <alert-id>
vmware-aria alert definitions [--name <filter>]

# 告警定义：创建/启用/禁用/删除和症状定义查找是 MCP 专用工具
#（list_symptom_definitions、create_alert_definition、
# set_alert_definition_state、delete_alert_definition）——无 CLI 子命令。

# 容量
vmware-aria capacity overview <cluster-id>
vmware-aria capacity remaining <resource-id>
vmware-aria capacity time-remaining <resource-id>
vmware-aria capacity rightsizing [--resource-id <vm-id>]

# 报告（异步：生成 → 轮询获取 → 下载 → 删除）
vmware-aria report definitions [--name <filter>]
vmware-aria report generate <definition-id> --resources <id1,id2>   # 至少需要一个资源 UUID
vmware-aria report list [--definition-id <id>]
vmware-aria report get <report-id>        # 轮询直到 status == COMPLETED；显示 download_url
vmware-aria report delete <report-id>

# 异常
vmware-aria anomaly list [--resource-id <id>]
vmware-aria anomaly risk <resource-id>

# 健康
vmware-aria health status
vmware-aria health collectors

# 诊断
vmware-aria doctor [--skip-auth]

关键指标名称（用于 resource metrics 命令）

指标	API 键	含义
CPU Ready 百分比	cpu.ready.summation	vCPU 等待物理核心；>5% = 警告
CPU 已使用	cpu.used.summation	实际 CPU 执行时间
CPU 需求	cpu.demand.average	虚拟机请求的 MHz 总计
内存活跃	mem.active.average	客户机操作系统实际使用量（用于大小调整）
内存已消耗	mem.consumed.average	主机上的占用（用于容量）
内存 Balloon	mem.balloon.average	>0 = ESXi 正在回收内存
内存交换	mem.swapped.average	>0 = 严重压力
磁盘读取延迟	disk.read.average	读取 I/O 延迟 ms
磁盘写入延迟	disk.write.average	写入 I/O 延迟 ms
网络接收	net.received.average	入站网络 KB/s
网络发送	net.transmitted.average	出站网络 KB/s

完整 CLI 参考，包含所有选项和输出格式：参见 references/cli-reference.md

故障排除

设置后出现“Token not found”错误

…