zw008/VMware-Aria

VMware Aria Operations

免責聲明：這是一個社群維護的開源專案，與 VMware, Inc. 或 Broadcom Inc. 無任何關聯、背書或贊助關係。「VMware」與「Aria」為 Broadcom 的商標。原始碼以 MIT 授權在 github.com/zw008/VMware-Aria 公開審查。

VMware Aria Operations (vRealize Operations) 人工智慧輔助監控 — 27 個 MCP 工具，涵蓋資源、警示、警示定義、容量規劃、異常偵測、報告自動化與平台健康狀態。

專為 Aria Operations 8.x / vRealize Operations 8.x 設計的領域聚焦監控技能。 配套技能：vmware-nsx（網路）、vmware-aiops（VM 生命週期）、vmware-monitor（唯讀 vSphere）、vmware-avi（AVI/ALB/AKO）、vmware-harden（合規基準）。 | vmware-pilot（工作流程編排）| vmware-policy（稽核/政策）|

此技能的功能

類別	工具	數量
資源	列出、取得詳細資料、指標、健康徽章、前幾大耗用者	5
警示	列出、取得詳細資料、確認、取消、列出定義	5
警示定義	列出症狀、建立定義、啟用/停用、刪除	4
容量	叢集概觀、剩餘容量、剩餘時間、調整規模建議	4
報告	列出範本、產生、列出、取得狀態+下載 URL、刪除	5
異常	列出異常、風險徽章	2
健康	Aria 平台健康狀態、收集器群組狀態	2

總計：27 個工具（20 個唯讀 + 7 個寫入）

快速安裝

uv tool install vmware-aria
vmware-aria doctor

何時使用此技能

效能監控（每日主動檢查）：

• 檢查 VM 競爭：CPU Ready %、記憶體 Balloon、Swap 用量
• 取得任何資源的時間序列指標（CPU、記憶體、磁碟、網路）
• 依 CPU/記憶體/磁碟/網路找出前幾大耗用者
• 檢查每個資源的異常計數與風險徽章分數

警示管理：

• 列出、調查、確認或取消作用中警示
• 列出或篩選警示定義（範本）
• 從症狀定義建立新的警示定義（後根因分析）
• 啟用或停用警示定義；刪除過時的

容量規劃：

• 叢集剩餘容量（CPU、記憶體、磁碟裕度）
• 每個叢集的耗盡預測時間
• 調整規模：找出過度佈建或利用不足的 VM
• 容量概觀與 Aria 內建建議

報告自動化：

• 產生排程或隨需報告（容量、效能、SLA）
• 輪詢報告狀態直到 COMPLETED；取得 PDF/CSV 下載 URL
• 下載後刪除已產生的報告

將配套技能用於：

• VM 生命週期：建立、複製、快照、電源 → vmware-aiops
• NSX 網路：區段、閘道、NAT、路由 → vmware-nsx
• vSphere 清單、即時警示、事件 → vmware-monitor
• 儲存：iSCSI、vSAN、資料儲存區 → vmware-storage
• 負載平衡、AVI/ALB、AKO、Ingress → vmware-avi

相關技能 — 技能路由

使用者意圖	建議技能
Aria Operations 監控、警示、容量	vmware-aria ← 此技能
VM 生命週期、部署、客體操作	vmware-aiops
NSX 網路：區段、閘道、NAT、路由	vmware-nsx
唯讀 vSphere 清單、事件、警示	vmware-monitor
儲存：iSCSI、vSAN、資料儲存區	vmware-storage
含核准的多步驟工作流程	vmware-pilot
合規基準（CIS / 等保 / PCI-DSS）、漂移偵測、LLM 補救顧問	vmware-harden (uv tool install vmware-harden)
負載平衡器、AVI、ALB、AKO、Ingress	vmware-avi (uv tool install vmware-avi)
稽核日誌查詢	vmware-policy (vmware-audit CLI)

常見工作流程

診斷調查：在執行任何「為什麼 X 慢/失敗/關閉」工作流程之前，請遵循 references/investigation-protocol.md。它強制執行四個根因完整性標準（可證偽性/充分性/必要性/機制）以及最多三輪的深化循環。停在部分結論是一種反模式 — 在輸出報告前，務必根據標準進行自我檢查。

每日 VM 健康檢查（主動維運）

判斷：不要追擊最高的 CPU 耗用者 — 追擊最高的競爭耗用者。在安靜主機上達到 90% CPU 的 VM 是健康的；僅 30% CPU 但 15% Ready 的 VM 則正在飢餓。關鍵指標：CPU Ready、記憶體 Balloon、磁碟延遲。

1. 找出前幾大 CPU 耗用者 → vmware-aria resource top --metric cpu|usage_average --top 20（這是起點集合，不是答案）
2. 檢查熱點 VM 的 CPU Ready → vmware-aria resource metrics <vm-id> --metrics cpu.ready.summation --hours 24

   • 5% = 警告，>10% = 問題，>20% = 嚴重

3. 檢查記憶體壓力 → vmware-aria resource metrics <vm-id> --metrics mem.balloon.average,mem.swapped.average --hours 24
   • Balloon >0 = ESXi 正在回收記憶體；Swap >0 = 嚴重 — 立即採取行動
4. 列出作用中的 CRITICAL/IMMEDIATE 警示 → vmware-aria alert list --criticality CRITICAL
5. 檢查異常計數 → vmware-aria anomaly list
6. 在報告任何「根因」之前，請交叉驗證調查協議 — 高耗用很少是根因，通常是下游症狀

調查高 CPU 警示

1. 列出作用中的 CRITICAL 警示 → vmware-aria alert list --criticality CRITICAL
2. 取得警示詳細資料 + 症狀 → vmware-aria alert get <alert-id>
3. 找出前幾大 CPU 耗用者 → vmware-aria resource top --metric cpu|usage_average
4. 取得熱點 VM 的 24 小時 CPU 指標 → vmware-aria resource metrics <vm-id> --metrics cpu|usage_average --hours 24
5. 檢查風險徽章 → vmware-aria anomaly risk <vm-id>
6. 確認該警示 → vmware-aria alert acknowledge <alert-id>

容量規劃

1. 列出叢集 → vmware-aria resource list --kind ClusterComputeResource
2. 取得剩餘容量 → vmware-aria capacity remaining <cluster-id>
3. 預測耗盡時間 → vmware-aria capacity time-remaining <cluster-id>
4. 取得含建議的容量概觀 → vmware-aria capacity overview <cluster-id>
5. 找出調整規模的候選對象 → vmware-aria capacity rightsizing

事件後續：建立偵測警示（RCA 後續行動）

解決事件後，建立一個早期警告警示以防止再次發生。警示定義管理為 MCP 專用（無 CLI 子命令）：

1. 尋找相符的症狀定義 → MCP list_symptom_definitions（依 name_filter / resource_kind 篩選）
2. 參照症狀建立警示定義 → MCP create_alert_definition，包含名稱、resource_kind、symptom_definition_ids、criticality（任何一個症狀觸發即啟動警示）
3. 驗證它出現在定義清單中 → vmware-aria alert definitions --name "Gold VM CPU"（顯示的 criticality 是定義各狀態中的最大嚴重性）
4. 稍後啟用或停用 → MCP set_alert_definition_state

產生容量報告

1. 尋找報告範本 → vmware-aria report definitions --name "Capacity"
2. 觸發報告產生 → vmware-aria report generate <definition-id> --resources <resource-id>（Report API 需要至少一個資源 UUID）
3. 輪詢直到完成 → vmware-aria report get <report-id>（重複直到 status == COMPLETED）
4. 透過傳回的 download_url（PDF）或 csv_url 下載
5. 清理 → vmware-aria report delete <report-id>

多目標操作

所有指令接受 --target <name> 參數，以針對特定 Aria Ops 實例操作：

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

使用模式

情境	建議	原因
本機/小型模型（Ollama、Qwen）	CLI	約 2K token vs MCP 約 8K
雲端模型（Claude、GPT-4o）	皆可	MCP 提供結構化的 JSON I/O
自動化管線	MCP	型別安全參數、結構化輸出

MCP 工具（27 個 — 20 個讀取、7 個寫入）

所有 MCP 工具都接受一個可選的 target 參數，以選擇要連線的 Aria Operations 實例。

類別	工具	類型	說明
資源	list_resources	讀取	依資源類型列出 VM、主機、叢集
	get_resource	讀取	取得資源詳細資料，含健康、風險、效率徽章
	get_resource_metrics	讀取	取得任何資源的時間序列指標統計資料
	get_resource_health	讀取	取得健康徽章分數（0–100）
	get_top_consumers	讀取	依 CPU、記憶體、磁碟或網路使用量對資源排名
警示	list_alerts	讀取	列出作用中警示，含嚴重性與資源 ID（透過 get_resource 解析名稱）
	get_alert	讀取	取得警示詳細資料及貢獻症狀（建議存在於警示定義上）
	acknowledge_alert	寫入	將警示標記為已確認（不會關閉它）
	cancel_alert	寫入	取消（解除）一個作用中警示
	list_alert_definitions	讀取	列出 Aria Ops 中設定的警示範本
警示定義	list_symptom_definitions	讀取	列出症狀定義 — 建立警示定義時使用 ID
	create_alert_definition	寫入	從症狀定義 ID 建立新的警示定義
	set_alert_definition_state	寫入	啟用或停用一個警示定義
	delete_alert_definition	寫入	永久刪除一個警示定義
容量	get_capacity_overview	讀取	群組層級剩餘 % + 各維度裕度與耗盡天數
	get_remaining_capacity	讀取	達到限制前的剩餘 CPU、記憶體、磁碟
	get_time_remaining	讀取	叢集容量耗盡的天數
	list_rightsizing_recommendations	讀取	需調整大小的 VM：過度/不足佈建
報告	list_report_definitions	讀取	列出可用的報告定義範本
	generate_report	寫入	觸發報告產生（非同步；回傳 report_id）
	list_reports	讀取	列出已產生的報告，可依定義篩選
	get_report	讀取	輪詢報告狀態 + 取得 PDF/CSV 下載 URL
	delete_report	寫入	刪除一份已產生的報告
異常	list_anomalies	讀取	每個資源的異常計數（System Attributes|total_alarms 指標）
	get_resource_riskbadge	讀取	風險分數（0–100）：未來問題的可能性
健康	get_aria_health	讀取	Aria 平台節點狀態（ONLINE/OFFLINE）
	list_collector_groups	讀取	收集器代理狀態與連線能力

讀/寫劃分：20 個唯讀，7 個寫入。所有寫入操作都會記錄稽核至 ~/.vmware/audit.db（透過 vmware-policy）。

CLI 快速參考

# 資源
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

# 警示
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>]

# 警示定義：建立/啟用/停用/刪除以及症狀定義
# 查詢為 MCP 專用工具（list_symptom_definitions, create_alert_definition,
# set_alert_definition_state, delete_alert_definition）— 無 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>]

# 報告（非同步：產生 → 輪詢取得 → 下載 → 刪除）
vmware-aria report definitions [--name <filter>]
vmware-aria report generate <definition-id> --resources <id1,id2>   # 至少需要一個資源 UUID
vmware-aria report list [--definition-id <id>]
vmware-aria report get <report-id>        # 輪詢直到 status == COMPLETED；顯示 download_url
vmware-aria report delete <report-id>

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

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

# 診斷
vmware-aria doctor [--skip-auth]

關鍵指標名稱（用於 resource metrics 指令）

指標	API 金鑰	含義
CPU Ready %	cpu.ready.summation	vCPU 等待實體核心的時間；>5% = 警告
CPU 使用量	cpu.used.summation	實際 CPU 執行時間
CPU 需求	cpu.demand.average	VM 請求的總 MHz
作用中記憶體	mem.active.average	客體 OS 實際使用量（容量規劃）
已耗用記憶體	mem.consumed.average	主機上的佔用空間（容量）
記憶體 Balloon	mem.balloon.average	>0 = ESXi 正在回收記憶體
記憶體 Swap	mem.swapped.average	>0 = 嚴重壓力
磁碟讀取延遲	disk.read.average	讀取 I/O 延遲（毫秒）
磁碟寫入延遲	disk.write.average	寫入 I/O 延遲（毫秒）
網路接收	net.received.average	入站網路 KB/s
網路傳送	net.transmitted.average	出站網路 KB/s

完整 CLI 參考，包含所有選項與輸出格式：請參閱 references/cli-reference.md

故障排除

設定後出現「找不到 Token」錯誤

…