Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Pengumpulan data
<a name="discovery-tool-data-collection"></a>

## Jadwal pengumpulan alat penemuan
<a name="discovery-tool-scheduling"></a>

Setelah pengumpulan penemuan awal Anda, alat penemuan terus berjalan pada jadwal yang terhuyung-huyung untuk menghindari pertengkaran sumber daya:
+ Penemuan VMware - setiap jam (pukul 00 UTC)
+ Hyper-V penemuan — setiap jam (pada:20 UTC)

Alat penemuan juga mengumpulkan metrik OS melalui modul independen berikut, masing-masing dengan jadwal terhuyung-huyung sendiri:
+ Metrik jaringan — setiap 15 detik, mungkin lebih jarang untuk lingkungan besar
+ Metrik kinerja server - setiap 10 menit (pada:03, :13, :23, :33, :43, :53 UTC)
+ Metrik kinerja penyimpanan - setiap 10 menit (pada:07, :17, :27, :37, :47, :57 UTC)
+ Proses berjalan - per jam (pada:40 UTC)
+ Data penyediaan server — setiap hari (pukul 00:05 UTC)
+ Data penyediaan penyimpanan — setiap hari (pukul 00:35 UTC)
+ Antarmuka jaringan - setiap hari (pukul 01:05 UTC)
+ Penemuan SQL Server - setiap hari (pukul 03:05 UTC)
+ Penemuan database Oracle — setiap hari (pukul 05:05 UTC)

Anda dapat memulai, menghentikan, atau memicu setiap modul metrik OS secara mandiri dengan menggunakan **Kumpulkan data sekarang**.

Untuk menjalankan koleksi secara manual, dari menu **Tindakan** pilih:
+ **Mulai** - Mengaktifkan modul penemuan.
+ **Berhenti** - Menonaktifkan modul penemuan.
+ **Kumpulkan data sekarang** — Mulai penemuan segera. Gunakan opsi ini, misalnya, setelah Anda membuat perubahan di jaringan Anda.

Tindakan ini berlaku per modul. Anda dapat mengontrol modul metrik OS satu per satu.

### Upaya pengumpulan data OS
<a name="discovery-tool-os-collection-attempts"></a>

Ketika server baru ditemukan, alat penemuan mencoba setiap kredensi yang dikonfigurasi untuk setiap alamat IP dan nama host. Setelah alat penemuan menemukan kredensi yang valid, ia terus menggunakan kredensi itu kecuali Anda menambahkan kredensi baru.

Setelah kegagalan pengumpulan, alat penemuan mencoba mengumpulkan data jaringan untuk server setelah 3 menit, 30 menit, 2 jam, dan kemudian 6 jam. Setelah 4 upaya gagal, alat penemuan terus mencoba semua kredensyal yang dikonfigurasi setiap 6 jam sekali.

## Bagaimana rata-rata, p95, dan statistik puncak dihitung
<a name="discovery-tool-statistics-basis"></a>

Bagian ini menjelaskan statistik rata-rata (`_avg`), persentil ke-95 (`_p95`), dan puncak (`_peak`) dalam data *OS-collected*kinerja: kolom di `server_performance_metrics.csv` dan`server_storage_performance.csv`, dan kolom `disk_*` statistik di. `server_inventory.csv` Kolom kinerja VMware - dan Hyper-V -sourced (misalnya, bidang MPA `avgCpuUsagePctDec` dan`avgRamUtlPctDec`) dirata-ratakan pada dasar yang berbeda dan tidak membawa nilai p95 atau puncak.

**Jendela** — Statistik mencakup seluruh rentang tanggal ekspor: rentang yang Anda pilih pada waktu ekspor, hingga batas retensi 30 hari, atau waktu aktif alat jika lebih pendek.

**Sampling** — Alat penemuan mencatat satu sampel per metrik per siklus pengumpulan. Sampel CPU, memori, dan jaringan berasal dari modul kinerja server, dan IOPS disk dan sampel throughput berasal dari modul kinerja penyimpanan. Kedua modul berjalan setiap 10 menit, yaitu sekitar 144 sampel per metrik per hari, atau sekitar 4.320 selama 30 hari. Untuk jadwal lengkapnya, lihat[Jadwal pengumpulan alat penemuan](#discovery-tool-scheduling).

**Komputasi** — Sampel terakumulasi setiap hari selama pengumpulan. Saat ekspor, semua sampel di jendela yang dipilih dikumpulkan, dan statistik dihitung melalui set lengkap itu:
+ **Rata-rata** — rata-rata sampel yang dikumpulkan.
+ **p95** — persentil ke-95, dihitung dengan metode inklusif (setara dengan fungsi Excel). `PERCENTILE.INC` Itu tidak pernah melebihi sampel maksimum yang diamati.
+ **Puncak** — untuk CPU, memori, jaringan, dan baris per volume`server_storage_performance.csv`, puncaknya adalah sampel tunggal tertinggi yang diamati. Untuk `disk_*` kolom tingkat server di`server_inventory.csv`, puncak adalah jumlah puncak setiap volume.

Alat penemuan menghitung statistik dari semua sampel di jendela. Jendela yang lebih pendek berisi lebih sedikit sampel. Oleh karena itu, ekspor 2 hari menghasilkan nilai rata-rata dan p95 yang berbeda dari ekspor 30 hari.

## Inventaris yang ditemukan
<a name="discovery-tool-inventory"></a>

Setelah Anda mengonfigurasi sumber penemuan, nilai **Jumlah server yang ditemukan** dalam bingkai **status alat Discovery** mulai meningkat. Status penemuan untuk sumber yang dikonfigurasi berubah menjadi **Diaktifkan** dalam bingkai **modul Collection**. Halaman inventaris menunjukkan server dari semua sumber yang dikonfigurasi: VMware VM, VM, dan server yang Hyper-V diimpor. Setiap server menunjukkan sumber dan status pengumpulannya per modul.

Arahkan ke halaman **inventaris Ditemukan** untuk melihat server yang ditemukan alat penemuan. Dari halaman ini, pilih **Unduh inventaris** untuk mengunduh file ZIP (`discovery_tool_export.zip`) yang berisi hingga 30 hari data yang dikumpulkan, termasuk file MPA untuk semua sumber yang dikonfigurasi, data pemanfaatan kinerja, informasi basis data, dan informasi komunikasi server-ke-server.

Anda dapat mengunduh file ZIP sementara alat penemuan terus bekerja, dan mendapatkan hasil sebagian. Unggah file ini ke [Penilaian migrasi](https://docs.aws.amazon.com/transform/latest/userguide/transform-app-assessments.html) untuk mendapatkan kasus bisnis untuk migrasi.

### Opsi ekspor
<a name="discovery-tool-export-options"></a>

Saat mengekspor data, Anda dapat menyesuaikan ekspor dengan opsi berikut:

**Rentang tanggal**

Pilih tanggal mulai dan tanggal akhir untuk mengekspor hanya data yang dikumpulkan dalam periode waktu tersebut. Kedua tanggal itu inklusif. Rentang tanggal maksimum adalah 30 hari.

**catatan**  
Alat penemuan menyimpan hingga 30 hari data yang dikumpulkan. Jika Anda membutuhkan data yang mencakup lebih dari 30 hari, jalankan ekspor tambahan setiap 30 hari untuk menangkap semua data.

**Pemilihan modul**

Pilih modul data mana yang akan disertakan dalam ekspor. Anda dapat mengekspor semua modul atau memilih yang spesifik:


| Modul | Deskripsi | 
| --- | --- | 
| Data VMware | Inventaris mesin virtual dari server vCenter | 
| Hyper-V data | Inventaris mesin virtual dari Hyper-V host | 
| Data jaringan | Koneksi jaringan antar server | 
| Inventaris server | Perangkat keras server dan informasi OS | 
| Metrik kinerja server | CPU, memori, dan pemanfaatan jaringan | 
| Kinerja penyimpanan server | Disk IOPS dan throughput | 
| Konfigurasi penyimpanan | Konfigurasi disk dan volume | 
| Antarmuka jaringan | Detail adaptor jaringan | 
| Metrik proses | Proses berjalan | 
| Data SQL Server | Inventaris basis data SQL Server | 
| Data Database Oracle | Inventaris database Oracle - CDB, PDB, fitur, opsi, dan komponen | 

Jika Anda tidak memilih modul apa pun, alat penemuan mengekspor semua data yang tersedia.

#### Memahami ringkasan ekspor
<a name="discovery-tool-export-summary"></a>

Setiap ekspor ZIP menyertakan `export_summary.json` file pada akarnya yang mencatat hasil ekspor. Gunakan untuk mengonfirmasi bahwa ekspor selesai, atau untuk menemukan apa yang salah padahal tidak. File tersebut mencakup yang berikut:
+ `overall_status`— `complete` ketika semua data yang diminta diekspor, `partial` ketika data diekspor tetapi beberapa catatan dilewati atau modul melaporkan kesalahan, atau `failed` ketika tidak ada data yang diekspor karena kesalahan.
+ `start_date`dan `end_date` — rentang tanggal yang dicakup ekspor.
+ `modules`— satu entri untuk setiap tipe data yang diekspor (misalnya, inventaris server, metrik kinerja, penyimpanan, dan koneksi jaringan), masing-masing dengan statusnya sendiri, jumlah apa yang diekspor, dan daftar kesalahan apa pun.
+ `errors`— entri untuk data yang tidak dapat diekspor, masing-masing mengidentifikasi server yang terpengaruh, tanggal, dan alasannya.

Jika `overall_status` ada `partial` atau`failed`, tinjau status setiap modul dan kesalahannya untuk melihat server atau tipe data mana yang terpengaruh dan mengapa.

### Poin data dikumpulkan
<a name="discovery-tool-data-points"></a>

Alat penemuan mengumpulkan data komprehensif di seluruh VMware, metrik OS Hyper-V, database, dan komponen jaringan. Bagian berikut merinci titik data spesifik yang dikumpulkan untuk setiap komponen.

#### Pengumpulan data VMware
<a name="discovery-tool-vmware-data"></a>

Tabel ini menjelaskan informasi mesin virtual VMware yang dikumpulkan oleh alat penemuan:


| Nama | Tipe | Kategori | Nilai sampel | 
| --- | --- | --- | --- | 
| vm\_nama | String | Info VM | “w2k22-snmpd-v2-en-us-mssql-2022-testcase4-1" | 
| vm\_id | String | Info VM | “vm-30920" | 
| vm\_uuid | String | Info VM | “4201ecf8-cc44-ee7e-01da-34dfb2acf6c0" | 
| powerstate | String | Info VM | “PowerEdon” | 
| host | String | Info VM | “esxi-70-node1.testlab.local” | 
| primer\_ip\_address | String | Info VM | “192.168.0.52" | 
| CPU | Bilangan Bulat | Info VM | 2 | 
| memori | Bilangan Bulat | Info VM | 4096 | 
| total\_disk\_capacity\_mib | Bilangan Bulat | Info VM | 32768 | 
| os\_according\_to\_the\_configuration\_file | String | Info VM | “Microsoft Windows Server 2016 atau yang lebih baru (64-bit)” | 
| max\_cpu\_usage\_pct\_dec | Desimal | Kinerja VM | 79.33 | 
| avg\_cpu\_usage\_pct\_dec | Desimal | Kinerja VM | 45.06 | 
| max\_ram\_usage\_pct\_dec | Desimal | Kinerja VM | 63,99 | 
| avg\_ram\_utl\_pct\_dec | Desimal | Kinerja VM | 29.27 | 

#### Hyper-V pengumpulan data
<a name="discovery-tool-hyperv-data"></a>

Tabel ini menjelaskan informasi mesin Hyper-V virtual yang dikumpulkan oleh alat penemuan:


| Nama | Tipe | Kategori | Nilai sampel | 
| --- | --- | --- | --- | 
| vm\_nama | String | Info VM | “win2022-hyperv-test-01" | 
| vm\_id | String | Info VM | “a1b2c3d4-e5f6-7890-abcd-ef1234567890" | 
| powerstate | String | Info VM | “Berlari” | 
| CPU | Bilangan Bulat | Info VM | 4 | 
| memory\_mb | Bilangan Bulat | Info VM | 8192 | 
| disk\_paths | String | Disk | “C:\\\\ VMs\\\\ disk1.vhdx” | 
| disk\_size\_gb | Desimal | Disk | 127.0 | 
| network\_adapters | String | Jaringan | “00:15:5D:01:02:03” | 
| ip\_alamat | String | Jaringan | “10.0.1.50" | 
| host\_name | String | Host | “hyperv-host-01.example.com” | 
| host\_os\_version | String | Host | “Pusat Data Windows Server 2022” | 
| cluster\_name | String | Host | “FailoverCluster01" | 
| hypervisor | String | Info VM | "Hyper-V" | 

#### Data server yang diimpor
<a name="discovery-tool-bare-metal-data"></a>

Server yang diimpor tidak ditemukan secara otomatis. Mereka diimpor melalui file CSV. Alat penemuan tidak mengumpulkan data tingkat hypervisor untuk server yang diimpor. Sebaliknya, ia mengumpulkan database, jaringan, dan data metrik OS dengan menggunakan kredensyal OS yang terkait dengan setiap server selama impor.

## OS-related Data alat penemuan
<a name="discovery-tool-os-data"></a>

Alat penemuan mengumpulkan inventaris server, kinerja, penyimpanan, antarmuka jaringan, dan data proses melalui SSH (Linux) dan WinRM (Windows). Tabel berikut menjelaskan titik data yang dikumpulkan.

### Inventaris server (server\_inventory.csv)
<a name="discovery-tool-os-server-inventory"></a>

Menggabungkan penyediaan server (konfigurasi perangkat keras dan OS) dengan kinerja penyimpanan agregat. Dikumpulkan setiap 24 jam.

Kolom throughput disk berakhir `_mibps` dan dilaporkan dalam mebibytes per detik (). MiBps `_p95`Kolom memegang persentil ke-95 sampel di jendela ekspor.


| Nama | Tipe | Kategori | Nilai sampel | 
| --- | --- | --- | --- | 
| server\_id | String | Info Server | “vm-web-server-01" | 
| server\_name | String | Info Server | “web-server-01" | 
| resource\_type | String | Info Server | “virtual\_mesin” | 
| power\_state | String | Info Server | “Berlari” | 
| jenis os\_ | String | Info Server | “Linux” | 
| os\_nama | String | Info Server | “Amazon Linux” | 
| os\_versi | String | Info Server | “2023" | 
| primary\_hostname | String | Info Server | “web-server-01.example.com” | 
| primer\_ip\_address | String | Info Server | “10.0.2.101" | 
| netmask | String | Info Server | “255.255.255.0" | 
| total\_num\_network\_cards | Bilangan Bulat | Info Server | 2 | 
| total\_num\_disk | Bilangan Bulat | Info Server | 1 | 
| cpu\_count | Bilangan Bulat | Info Server | 4 | 
| total\_memory\_gb | Desimal | Info Server | 15.88 | 
| server\_uuid | String | Info Server | “4201ecf8-cc44-ee7e-01da-34dfb2acf6c0" | 
| smbios\_uuid | String | Info Server | “4201ecf8-cc44-ee7e-01da-34dfb2acf6c0" | 
| cluster\_name | String | Info Server | “kluster-produksi-01" | 
| hypervisor\_object\_id | String | Info Server | “vm-30920" | 
| hypervisor\_type | String | Info Server | “VMware” | 
| hypervisor\_version | String | Info Server | “8.0.0" | 
| hypervisor\_hostname | String | Info Server | “esxi-node1.example.com” | 
| hypervisor\_host\_id | String | Info Server | “host-1234" | 
| hypervisor\_id | String | Info Server | “4201ecf8-cc44-ee7e-01da-34dfb2acf6c0" | 
| disk\_read\_iops\_avg | Desimal | Kinerja Penyimpanan | 12,5 | 
| disk\_read\_iops\_p95 | Desimal | Kinerja Penyimpanan | 198.0 | 
| disk\_read\_iops\_peak | Desimal | Kinerja Penyimpanan | 245.0 | 
| disk\_write\_iops\_avg | Desimal | Kinerja Penyimpanan | 8.3 | 
| disk\_write\_iops\_p95 | Desimal | Kinerja Penyimpanan | 142.0 | 
| disk\_write\_iops\_peak | Desimal | Kinerja Penyimpanan | 180.0 | 
| disk\_total\_iops\_avg | Desimal | Kinerja Penyimpanan | 20.8 | 
| disk\_total\_iops\_p95 | Desimal | Kinerja Penyimpanan | 340,0 | 
| disk\_total\_iops\_peak | Desimal | Kinerja Penyimpanan | 425.0 | 
| disk\_read\_throughput\_avg\_mibps | Desimal | Kinerja Penyimpanan | 1.2 | 
| disk\_read\_throughput\_p95\_mibps | Desimal | Kinerja Penyimpanan | 19.8 | 
| disk\_read\_throughput\_peak\_mibps | Desimal | Kinerja Penyimpanan | 24,5 | 
| disk\_write\_throughput\_avg\_mibps | Desimal | Kinerja Penyimpanan | 0,8 | 
| disk\_write\_throughput\_p95\_mibps | Desimal | Kinerja Penyimpanan | 14.2 | 
| disk\_write\_throughput\_peak\_mibps | Desimal | Kinerja Penyimpanan | 18.0 | 
| disk\_total\_throughput\_avg\_mibps | Desimal | Kinerja Penyimpanan | 2.0 | 
| disk\_total\_throughput\_p95\_mibps | Desimal | Kinerja Penyimpanan | 34.0 | 
| disk\_total\_throughput\_peak\_mibps | Desimal | Kinerja Penyimpanan | 42.5 | 

### Metrik kinerja server (server\_performance\_metrics.csv)
<a name="discovery-tool-os-server-performance"></a>

CPU, memori, dan pemanfaatan throughput jaringan. Sampel setiap 10 menit, dikumpulkan selama 30 hari.

`_p95`Kolom memegang persentil ke-95 sampel di jendela ekspor. Kolom throughput jaringan berakhir `_mbps` dan dilaporkan dalam megabit per detik (Mbps).


| Nama | Tipe | Kategori | Nilai sampel | 
| --- | --- | --- | --- | 
| server\_id | String | Info Server | “vm-web-server-01" | 
| data\_sumber | String | Info Server | “OS” | 
| cpu\_utilization\_avg\_pct | Desimal | CPU | 45.06 | 
| cpu\_utilization\_p95\_pct | Desimal | CPU | 72.14 | 
| cpu\_utilization\_peak\_pct | Desimal | CPU | 79.33 | 
| cpu\_count | Bilangan Bulat | CPU | 4 | 
| memory\_total\_gb | Desimal | Memori | 15.88 | 
| memory\_utilization\_avg\_pct | Desimal | Memori | 29.27 | 
| memory\_utilization\_p95\_pct | Desimal | Memori | 58.42 | 
| memory\_utilization\_peak\_pct | Desimal | Memori | 63,99 | 
| network\_in\_avg\_mbps | Desimal | Jaringan | 0,52 | 
| network\_in\_p95\_mbps | Desimal | Jaringan | 9,84 | 
| network\_in\_peak\_mbps | Desimal | Jaringan | 12.3 | 
| network\_out\_avg\_mbps | Desimal | Jaringan | 0,31 | 
| network\_out\_p95\_mbps | Desimal | Jaringan | 6,95 | 
| network\_out\_peak\_mbps | Desimal | Jaringan | 8.7 | 
| network\_total\_avg\_mbps | Desimal | Jaringan | 0,83 | 
| network\_total\_p95\_mbps | Desimal | Jaringan | 16.79 | 
| network\_total\_peak\_mbps | Desimal | Jaringan | 21.0 | 

### Kinerja penyimpanan (server\_storage\_performance.csv)
<a name="discovery-tool-os-storage-performance"></a>

Per-volume pemanfaatan disk I/O dan ruang. Sampel setiap 10 menit, dikumpulkan selama 30 hari.

Kolom throughput disk berakhir `_mibps` dan dilaporkan dalam mebibytes per detik (). MiBps `_p95`Kolom memegang persentil ke-95 sampel di jendela ekspor.


| Nama | Tipe | Kategori | Nilai sampel | 
| --- | --- | --- | --- | 
| server\_id | String | Info Server | “vm-web-server-01" | 
| data\_sumber | String | Info Server | “OS” | 
| disk\_volume\_id | String | Info Volume | "/dev/nvme0n1p1" | 
| disk\_mount\_point | String | Info Volume | "/" | 
| file\_sistem | String | Info Volume | “xfs” | 
| disk\_total\_gb | Desimal | Ruang Disk | 30.0 | 
| disk\_used\_gb | Desimal | Ruang Disk | 12,5 | 
| disk\_free\_gb | Desimal | Ruang Disk | 17.5 | 
| disk\_read\_iops\_avg | Desimal | Disk I/O | 12,5 | 
| disk\_read\_iops\_p95 | Desimal | Disk I/O | 198.0 | 
| disk\_read\_iops\_peak | Desimal | Disk I/O | 245.0 | 
| disk\_write\_iops\_avg | Desimal | Disk I/O | 8.3 | 
| disk\_write\_iops\_p95 | Desimal | Disk I/O | 142.0 | 
| disk\_write\_iops\_peak | Desimal | Disk I/O | 180.0 | 
| disk\_total\_iops\_avg | Desimal | Disk I/O | 20.8 | 
| disk\_total\_iops\_p95 | Desimal | Disk I/O | 340,0 | 
| disk\_total\_iops\_peak | Desimal | Disk I/O | 425.0 | 
| disk\_read\_throughput\_avg\_mibps | Desimal | Throughput Disk | 1.2 | 
| disk\_read\_throughput\_p95\_mibps | Desimal | Throughput Disk | 19.8 | 
| disk\_read\_throughput\_peak\_mibps | Desimal | Throughput Disk | 24,5 | 
| disk\_write\_throughput\_avg\_mibps | Desimal | Throughput Disk | 0,8 | 
| disk\_write\_throughput\_p95\_mibps | Desimal | Throughput Disk | 14.2 | 
| disk\_write\_throughput\_peak\_mibps | Desimal | Throughput Disk | 18.0 | 
| disk\_total\_throughput\_avg\_mibps | Desimal | Throughput Disk | 2.0 | 
| disk\_total\_throughput\_p95\_mibps | Desimal | Throughput Disk | 34.0 | 
| disk\_total\_throughput\_peak\_mibps | Desimal | Throughput Disk | 42.5 | 

### Perangkat penyimpanan yang tidak dipetakan (unmapped\_storage\_devices.csv)
<a name="discovery-tool-os-unmapped-storage"></a>

Alat penemuan tidak selalu dapat mencocokkan perangkat penyimpanan dengan sistem file yang dipasang, dan beberapa perangkat melaporkan tidak ada kapasitas yang dapat digunakan. Alat penemuan tidak menghilangkan perangkat ini atau melaporkan kapasitasnya sebagai nol. Ini menulis mereka `unmapped_storage_devices.csv` sebagai gantinya, dan masih melaporkan data kinerja untuk mereka. Hanya kolom kapasitas yang kosong.

File ini memiliki kolom yang sama dengan`server_storage_performance.csv`, dalam urutan yang sama, ditambah `reason` kolom. `reason`Kolom dapat menampung nilai-nilai berikut.


| Nilai | Arti | 
| --- | --- | 
| no\_mounted\_filesystem\_match | Alat penemuan tidak dapat mencocokkan perangkat dengan sistem file yang dipasang. | 
| mounted\_but\_capacity\_unavailable | Perangkat sudah terpasang, tetapi tidak melaporkan kapasitas yang dapat digunakan. | 

Saat Anda mengekspor modul kinerja penyimpanan, ekspor menyertakan kedua file.

**catatan**  
Saat Anda mengunggah ekspor ke AWS Transform, agen penilaian mengabaikan perangkat penyimpanan yang tidak dipetakan kecuali Anda secara khusus menginstruksikannya untuk menyertakannya.

### Konfigurasi penyimpanan (storage\_config.csv)
<a name="discovery-tool-os-storage-config"></a>

Detail perangkat keras disk fisik. Dikumpulkan setiap 24 jam.


| Nama | Tipe | Kategori | Nilai sampel | 
| --- | --- | --- | --- | 
| server\_id | String | Info Server | “vm-web-server-01" | 
| disk\_controller\_id | String | Info Disk | "/dev/sda" | 
| vmdk\_vhd\_file\_name | String | Info Disk | “web-server-01.vmdk” | 
| disk\_volume\_type | String | Info Disk | “Virtual” | 
| disk\_provisioned\_gb | Desimal | Info Disk | 30.0 | 
| disk\_device\_type | String | Info Disk | “SCSI HDD” | 
| disk\_interface\_type | String | Info Disk | “SCSI” | 
| disk\_protocol | String | Info Disk | “LSI Logika SAS” | 

### Antarmuka jaringan (network\_interfaces.csv)
<a name="discovery-tool-os-network-interfaces"></a>

Konfigurasi adaptor jaringan. Dikumpulkan setiap 24 jam.


| Nama | Tipe | Kategori | Nilai sampel | 
| --- | --- | --- | --- | 
| server\_id | String | Info Server | “vm-web-server-01" | 
| antarmuka\_nama | String | Info Antarmuka | “et0" | 
| antarmuka\_index | Bilangan Bulat | Info Antarmuka | 2 | 
| alamat mac\_ | String | Info Antarmuka | “0A:1B:2C:3D:4E:5F” | 
| adapter\_type | String | Info Antarmuka | “vmxnet3" | 
| virtual\_network\_name | String | Info Antarmuka | “Jaringan VM” | 
| virtual\_network\_id | String | Info Antarmuka | “dvportgroup-1234" | 
| virtual\_switch | String | Info Antarmuka | “VSwitch0" | 
| ipv4\_alamat | String | KONFIGURASI IP | “10.0.2.101" | 
| ipv4\_subnet\_mask | String | KONFIGURASI IP | “255.255.255.0" | 
| pintu gerbang ipv4\_ | String | KONFIGURASI IP | “10.0.2.1" | 
| ipv6\_alamat | String | KONFIGURASI IP | “fe80: :a1b: 2cff:fe3d: 4e5f” | 
| ipv6\_prefix\_length | Bilangan Bulat | KONFIGURASI IP | 64 | 
| pintu gerbang ipv6\_ | String | KONFIGURASI IP | “fe80: :1" | 
| dns\_server | String | KONFIGURASI IP | “10.0.0.2" | 
| dhcp\_enabled | Boolean | KONFIGURASI IP | false | 
| antarmuka\_status | String | Info Antarmuka | “Naik” | 
| vlan\_id | Bilangan Bulat | Info Antarmuka | 100 | 
| adalah\_primer | Boolean | Info Antarmuka | true | 

### Menjalankan proses (process\_metrics.csv)
<a name="discovery-tool-os-running-processes"></a>

Cuplikan proses yang sedang berjalan. Dikumpulkan setiap jam, dideduplikasi selama 30 hari.


| Nama | Tipe | Kategori | Nilai sampel | 
| --- | --- | --- | --- | 
| server\_id | String | Info Server | “vm-web-server-01" | 
| process\_name | String | Info Proses | “sshd” | 
| process\_id | Bilangan Bulat | Info Proses | 1234 | 
| process\_command\_line | String | Info Proses | “/usr/sbin/SSHD -D” | 
| process\_user | String | Info Proses | “akar” | 

### Koleksi jaringan
<a name="discovery-tool-network-collection"></a>

Modul pengumpulan Jaringan membantu Anda menemukan dependensi di antara server di pusat data lokal Anda. Data jaringan ini mempercepat perencanaan migrasi Anda dengan memberikan visibilitas tentang bagaimana aplikasi berkomunikasi di seluruh server.

Modul ini mengumpulkan data jaringan untuk server dari semua sumber yang dikonfigurasi, termasuk VMware, Hyper-V, dan server yang diimpor. Ini menggunakan WinRM untuk mengumpulkan data dari server Windows dan menggunakan SSH, SNMPv2, dan SNMPv3 untuk mengumpulkan data dari server Linux.

#### Pengumpulan data jaringan
<a name="discovery-tool-network-data"></a>

Modul koleksi Jaringan menangkap koneksi TCP IPv4 dalam status DITETAPKAN atau TIME\_WAIT antar server dalam inventaris yang Anda temukan. Koneksi muncul di output hanya ketika alamat IP sumber dan target milik server yang ditemukan alat penemuan atau yang telah Anda impor. Koneksi ke atau dari alamat IP di luar inventaris Anda — seperti layanan eksternal, titik akhir cloud, atau server yang belum ditambahkan ke alat penemuan — tidak disertakan.

Desain ini memfokuskan data jaringan pada dependensi server-ke-server dalam lingkungan Anda, yang merupakan informasi yang diperlukan untuk pemetaan ketergantungan aplikasi dan perencanaan gelombang migrasi.

Titik data ini dikumpulkan untuk setiap koneksi:


| Nama | Tipe | Kategori | Nilai sampel | 
| --- | --- | --- | --- | 
| IP sumber | String | Koneksi | “192.168.1.10" | 
| Port sumber | Bilangan Bulat | Koneksi | 49152 | 
| ID proses sumber | Bilangan Bulat | Proses | 1234 | 
| Nama proses sumber | String | Proses | “jawa” | 
| Target IP | String | Koneksi | “192.168.1.20" | 
| Pelabuhan target | Bilangan Bulat | Koneksi | 5432 | 
| ID proses target | Bilangan Bulat | Proses | 5678 | 
| Nama proses target | String | Proses | “postgres” | 
| Status | String | Koneksi | “DIDIRIKAN” | 
| Protokol transportasi | String | Koneksi | “TCP” | 
| Versi IP | String | Koneksi | “IPv4" | 
| Hitungan | Bilangan Bulat | Koneksi | 42 | 

**Tip**  
Untuk memaksimalkan kelengkapan peta ketergantungan jaringan Anda, konfigurasikan semua sumber penemuan (VMware Hyper-V, dan impor CSV server) dan tambahkan kredensi OS sebelum meninjau data jaringan. Semakin banyak server dalam inventaris Anda, semakin banyak koneksi yang dapat ditangkap modul jaringan.

#### Pengumpulan jaringan alamat pribadi
<a name="discovery-tool-private-address-collection"></a>

Secara default, modul koleksi Jaringan hanya menangkap koneksi di mana kedua titik akhir adalah server dalam inventaris yang Anda temukan. Anda dapat mengaktifkan pengumpulan alamat pribadi untuk juga menangkap koneksi ke dan dari alamat IP pribadi RFC 1918 (10.0.0. 0/8, 172.16.0. 0/12, 192.168.0. 0/16) yang tidak ada dalam inventaris Anda.

**Untuk memulai pengumpulan alamat pribadi**

1. Pada halaman **konfigurasi Kolektor**, cari bagian **Modul koleksi**.

1. Temukan **penemuan koneksi jaringan** di bawah **Penemuan aplikasi**.

1. Buka **dropdown Tindakan**.

1. Pilih **Mulai pengumpulan alamat pribadi**.

1. Jika status modul **Diaktifkan**, Anda dapat melihatnya berubah menjadi **Diaktifkan · Alamat Pribadi** aktif.

Untuk menghentikan pengumpulan alamat pribadi, buka dropdown **Tindakan** dan pilih **Hentikan pengumpulan alamat pribadi**. Data alamat pribadi yang dikumpulkan sebelumnya disimpan bahkan setelah berhenti.

Koneksi alamat pribadi hanya muncul di ekspor CSV penuh (di dalam file ZIP), bukan di file MPA CSV. Jika alamat IP milik server yang sudah ada di inventaris Anda, itu selalu diidentifikasi oleh ID server yang ditemukan terlepas dari pengaturan ini.

Pengaturan ini tetap ada di seluruh restart. Anda dapat memulai atau menghentikan pengumpulan alamat pribadi kapan saja. Data alamat pribadi yang dikumpulkan sebelumnya diekspor terlepas dari pengaturan saat ini.

### Koleksi SQL Server
<a name="discovery-tool-database-collection"></a>

Modul pengumpulan SQL Server mengumpulkan informasi SQL Server dari server Windows di semua sumber yang dikonfigurasi, termasuk VMware,, dan server yang diimpor. Hyper-V Modul ini menggunakan WinRM untuk terhubung dari jarak jauh ke setiap server Windows dan menjalankan kueri. PowerShell Ini mengumpulkan informasi tentang semua layanan SQL Server yang diinstal (komponen) dengan menggunakan ruang nama WMI, registri, dan properti file.

Komponen SQL Server adalah layanan atau contoh fitur tertentu yang diinstal sebagai bagian dari penyebaran SQL Server pada server Windows. Alat penemuan mengumpulkan Mesin Basis Data, Layanan Analisis, Layanan Pelaporan, dan Layanan Integrasi.

**Pengumpulan basis data langsung SQL Server**

Saat Anda mengonfigurasi kredensyal database SQL Server, alat penemuan terhubung langsung ke setiap instance SQL Server dan mengumpulkan data tambahan yang tidak tersedia melalui kredensyal Windows saja.

Data tambahan ini membantu Anda menilai instans SQL Server untuk perencanaan migrasi dan ukuran kanan:
+ **Jumlah basis data** — Jumlah database pengguna pada instance.
+ **Always On AG (Y/N)** — Apakah instans berpartisipasi dalam grup ketersediaan Selalu Aktif. Membutuhkan SQL Server 2012 atau yang lebih baru.
+ **Nama grup ketersediaan** — Nama grup ketersediaan Selalu Aktif, jika instans berpartisipasi dalam satu grup. Membutuhkan SQL Server 2012 atau yang lebih baru.
+ **Peran cluster** — Peran instans dalam konfigurasi ketersediaan tinggi (`PRIMARY`,, `SECONDARY``RESOLVING`, atau`STANDALONE`). Membutuhkan SQL Server 2012 atau yang lebih baru. Peran klaster hanya mencerminkan keanggotaan grup ketersediaan Selalu Aktif. Instance cluster failover yang tidak ada dalam grup ketersediaan ditampilkan`STANDALONE`. Untuk mengidentifikasi instance cluster failover, periksa bidang Is Clustered (`Cluster/Oracle RAC (Y/N)`dalam file MPA).
+ **Read-only replika** - Apakah instance adalah replika sekunder yang dapat dibaca. Membutuhkan SQL Server 2012 atau yang lebih baru.

**catatan**  
Edisi juga dikumpulkan oleh Windows-level jalur dan sudah muncul di ekspor MPA sebagai “Source Engine Edition”. Lima bidang yang tercantum di atas adalah penambahan tingkat database yang memerlukan koneksi SQL Server langsung.

**Ketika kredensyal database dikonfigurasi**

Saat Anda mengonfigurasi kredensyal SQL Server dan koneksi berhasil, jalur database langsung berjalan untuk putaran itu, bukan jalur. Windows-level Lima bidang tambahan dikumpulkan bersama inventaris Windows-level layanan standar dari putaran sebelumnya atau nanti.

**Windows-level mundur**

Jika Anda belum mengonfigurasi kredensyal database SQL Server, atau jika kredensyal sambung otomatis gagal terhubung ke instans (misalnya, kata sandi yang salah atau kesalahan jaringan), alat penemuan mengumpulkan informasi SQL Server menggunakan kredensyal Windows Anda. Ini menemukan layanan SQL Server yang diinstal, versi, dan konfigurasi tanpa akses database langsung. Untuk server ini, lima bidang tingkat database kosong dalam ekspor.

Jika Anda menetapkan kredensi SQL Server ke server tertentu (misalnya, melalui impor CSV), alat penemuan hanya menggunakan kredensi itu untuk server tersebut dan tidak kembali Windows-level terdeteksi jika koneksi gagal. Server menampilkan status kesalahan pada halaman **inventaris Ditemukan**.

**catatan**  
Lima bidang tingkat database (Jumlah Database, Selalu Aktif AG (Y/N), Nama Grup Ketersediaan, Peran Cluster, dan Read-Only Replika) hanya muncul di `sql_server_data_full.csv` dalam file ZIP ekspor. Mereka tidak termasuk dalam file MPA. Server yang dikumpulkan melalui Windows-level deteksi memiliki bidang ini kosong.

**catatan**  
Koneksi database SQL Server dalam rilis ini tidak dienkripsi. Pastikan lingkungan jaringan Anda diamankan dengan benar saat mengaktifkan kredensyal database SQL Server.

Untuk informasi tentang izin yang diperlukan dan cara mengonfigurasi kredensyal database SQL Server, lihat. [Konfigurasikan akses database SQL Server](discovery-tool-configure.md#discovery-tool-sql-server-access)

#### Pengumpulan data SQL Server
<a name="discovery-tool-database-data"></a>

Modul koleksi SQL Server mengumpulkan informasi komponen SQL Server. Tabel ini menjelaskan poin data utama yang dikumpulkan:


| Nama | Tipe | Kategori | Nilai sampel | Sumber | 
| --- | --- | --- | --- | --- | 
| Tipe Mesin | String | Komponen | sql\_server | WinRM | 
| Adalah Komponen Mesin | Boolean | Komponen | Y | WinRM | 
| Status | String | Layanan | Berlari, Berhenti, StartPending | WinRM, SQL | 
| Versi | String | Layanan | 2015.131.5026.0 | WinRM, SQL | 
| Edisi | String | Layanan | Edisi Pengembang (64-bit) | WinRM, SQL | 
| Nama Layanan SQL | String | Layanan | MsDtsServer130, Mssql | WinRM, SQL | 
| Jenis Layanan SQL | String | Layanan | Layanan SQL Server, Layanan Layanan Integrasi | WinRM, SQL | 
| Nama Instance | String | Instans | MSSQLSERVER | WinRM, SQL | 
| Nama Tampilan | String | Layanan | SQL Server (MSSQLSERVER2017) | WinRM | 
| Mode Mulai | String | Layanan | Otomatis, Manual, Dinonaktifkan | WinRM | 
| Nama Akun Layanan | String | Layanan | NT Service/MsDtsServer130 | WinRM | 
| Berkerumun | Boolean | Konfigurasi | T | WinRM, SQL | 
| Jumlah Basis Data | Bilangan Bulat | Basis Data | 5 | SQL | 
| Selalu Di AG (Y/N) | String | Ketersediaan Yang Tinggi | Y | SQL (2012\+) | 
| Nama Grup Ketersediaan | String | Ketersediaan Yang Tinggi | AG-Production | SQL (2012\+) | 
| Peran Cluster | String | Ketersediaan Yang Tinggi | PRIMER, SEKUNDER, MENYELESAIKAN, MANDIRI | SQL (2012\+) | 
| Read-Only Replika () Y/N | String | Ketersediaan Yang Tinggi | T | SQL (2012\+) | 

**catatan**  
WinRM = dikumpulkan melalui WinRM tanpa kredensyal database. SQL = membutuhkan kredensi database SQL Server. (2012\+) = juga membutuhkan SQL Server 2012 atau yang lebih baru; hanya berlaku untuk bidang Always On AG (Y/N), Availability Group Name, Cluster Role, dan Replica. Read-Only Format lengkap mencakup semua jenis layanan. Format MPA hanya mencakup komponen mesin database dan tidak menyertakan SQL-only bidang.

### Koleksi Oracle Database
<a name="discovery-tool-oracle-collection"></a>

Dengan koleksi Oracle Database, Anda dapat menemukan instance database Oracle di semua sumber yang dikonfigurasi, termasuk VMware, Hyper-V dan server yang diimpor. Modul mengumpulkan data berikut:
+ Database kontainer (CDB) dan penghitungan database pluggable (PDB)
+ Versi dan edisi
+ Opsi yang diinstal
+ Statistik penggunaan fitur
+ Inventaris komponen (DBA\_REGISTRY)
+ Ukuran Datafile
+ Bendera topologi (RAC, Data Guard, dan arsitektur multitenant)

**Database-connected (SQL)**

Saat Anda mengonfigurasi kredensyal Oracle, alat penemuan terhubung langsung ke database Oracle menggunakan akun layanan read-only. Ini menyediakan SQL-level koleksi lengkap termasuk detail PDB, penggunaan fitur, dan opsi yang diinstal. Semua file CSV berisi data lengkap.

**OS-level mundur**

Jika Anda belum mengonfigurasi kredensyal database, atau jika koneksi gagal, alat penemuan menggunakan SSH atau WinRM untuk mendeteksi instalasi Oracle. Ini menemukan rumah Oracle, pendengar, tambalan, versi, dan edisi tanpa akses database. Untuk OS-detected host, CDB CSV yang diekspor berisi nama instance, nama host, versi, dan edisi. PDB, fitur, opsi, dan komponen file CSV tidak mengandung baris.

Koleksi Oracle menghasilkan file CSV berikut di ZIP ekspor. Setiap tabel menjelaskan titik data yang dikumpulkan per file.

#### Data CDB (oracle\_data\_cdbs\_full.csv)
<a name="discovery-tool-oracle-cdb-data"></a>

Satu baris per instance CDB. Tabel ini menjelaskan titik data CDB yang dikumpulkan:


| Nama | Tipe | Kategori | Nilai sampel | Sumber | 
| --- | --- | --- | --- | --- | 
| Nama Instance | String | Identitas | “ORCL” | SQL, OS | 
| Nama Host | String | Identitas | “oracledb01.example.com” | SQL, OS | 
| Nama DB | String | Identitas | “ORCL” | SQL | 
| Nama Unik DB | String | Identitas | “ORCL\_PRIMARY” | SQL | 
| DBID | Bilangan Bulat | Identitas | 1234567890 | SQL | 
| Versi | String | Versi | “19.0.0.0" | SQL, OS | 
| Versi Lengkap | String | Versi | “19.21.0.0.0" | SQL | 
| Edisi | String | Versi | “Edisi Perusahaan” | SQL, OS | 
| Tipe Database | String | Konfigurasi | “TUNGGAL” | SQL | 
| Peran Database | String | Konfigurasi | “UTAMA” | SQL | 
| Mode Terbuka | String | Konfigurasi | “BACA TULIS” | SQL | 
| Mode Log | String | Konfigurasi | “ARCHIVELOG” | SQL | 
| Platform | String | Konfigurasi | “Linux x86 64-bit” | SQL | 
| Bendera CDB | String | Konfigurasi | “YA” | SQL | 
| Adalah RAC | String | Topologi | “YA” atau “TIDAK” | SQL | 
| Apakah Data Guard Siaga | String | Topologi | “YA” atau “TIDAK” | SQL | 
| Mode Perlindungan | String | Topologi | “KINERJA MAKSIMUM” | SQL | 
| Pialang Penjaga Data | String | Topologi | “DIAKTIFKAN” | SQL | 
| Karakter NLS | String | Konfigurasi | “AL32UTF8" | SQL | 
| Hitungan PDB | Bilangan Bulat | Penyesuaian ukuran | 3 | SQL | 
| Kilas Balik Aktif | String | Konfigurasi | “YA” | SQL | 
| Jalur Deteksi | String | Metadata | “phase2" atau “phase1b” | SQL, OS | 

#### Data PDB (oracle\_data\_pdbs\_full.csv)
<a name="discovery-tool-oracle-pdb-data"></a>

Satu baris per PDB (database pluggable). Tabel ini menjelaskan titik data PDB yang dikumpulkan:

**catatan**  
Data PDB memerlukan kredensyal database Oracle (koneksi SQL). OS-level fallback tidak mengisi CSV ini.


| Nama | Tipe | Kategori | Nilai sampel | Sumber | 
| --- | --- | --- | --- | --- | 
| Nama Instans CDB | String | Identitas | “ORCL” | SQL | 
| Nama PDB | String | Identitas | “APPPDB1" | SQL | 
| Mode Terbuka | String | Status | “BACA TULIS” | SQL | 
| Status Siklus Hidup | String | Status | “NORMAL” | SQL | 
| Hitungan Tablespace | Bilangan Bulat | Penyesuaian ukuran | 5 | SQL | 
| Hitungan Datafile | Bilangan Bulat | Penyesuaian ukuran | 12 | SQL | 
| Total Ukuran Byte | Bilangan Bulat | Penyesuaian ukuran | 5368709120 | SQL | 
| Hitungan Skema Pengguna | Bilangan Bulat | Penyesuaian ukuran | 8 | SQL | 
| Jumlah Tautan DB | Bilangan Bulat | Konektivitas | 2 | SQL | 
| Komponen Terpasang | String | Konfigurasi | “PUNCAK; JVM; XML' | SQL | 
| Hitungan Tablespace Terenkripsi | Bilangan Bulat | Keamanan | 1 | SQL | 

#### Data penggunaan fitur (oracle\_data\_features\_full.csv)
<a name="discovery-tool-oracle-features-data"></a>

Satu baris per entri penggunaan fitur dari DBA\_FEATURE\_USAGE\_STATISTICS. Tabel ini menjelaskan titik data penggunaan fitur yang dikumpulkan:

**catatan**  
Data penggunaan fitur memerlukan kredensyal database Oracle (koneksi SQL). OS-level fallback tidak mengisi CSV ini.


| Nama | Tipe | Kategori | Nilai sampel | Sumber | 
| --- | --- | --- | --- | --- | 
| Nama Instans CDB | String | Identitas | “ORCL” | SQL | 
| Nama | String | Fitur | “Partisi (pengguna)” | SQL | 
| Penggunaan Terdeteksi | Bilangan Bulat | Penggunaan | 42 | SQL | 
| Saat ini Digunakan | String | Penggunaan | “BENAR” | SQL | 
| Tanggal Penggunaan Pertama | DateTime | Penggunaan | “2024-01-15T00:00:00” | SQL | 
| Tanggal Penggunaan Terakhir | DateTime | Penggunaan | “2026-06-01T00:00:00” | SQL | 

#### Data opsi (oracle\_data\_options\_full.csv)
<a name="discovery-tool-oracle-options-data"></a>

Satu baris per entri V $ OPTION per CDB. Tabel ini menjelaskan titik data opsi terinstal yang dikumpulkan:

**catatan**  
Data opsi memerlukan kredensi database Oracle (koneksi SQL). OS-level fallback tidak mengisi CSV ini.


| Nama | Tipe | Kategori | Nilai sampel | Sumber | 
| --- | --- | --- | --- | --- | 
| Nama Instans CDB | String | Identitas | “ORCL” | SQL | 
| Nama Opsi | String | Opsi | “Analisis Lanjutan” | SQL | 
| Dipasang | String | Opsi | “BENAR” | SQL | 
| ID Kontainer | Bilangan Bulat | Opsi | 0 | SQL | 

#### Data komponen (oracle\_data\_components\_full.csv)
<a name="discovery-tool-oracle-components-data"></a>

Satu baris per komponen DBA\_REGISTRY. Tabel ini menjelaskan titik data komponen yang dikumpulkan:

**catatan**  
Data komponen memerlukan kredensyal database Oracle (koneksi SQL). OS-level fallback tidak mengisi CSV ini.


| Nama | Tipe | Kategori | Nilai sampel | Sumber | 
| --- | --- | --- | --- | --- | 
| Nama Instans CDB | String | Identitas | “ORCL” | SQL | 
| Nama PDB | String | Identitas | “APPPDB1" | SQL | 
| ID Komponen | String | Komponen | “PUNCAK” | SQL | 
| Nama Komponen | String | Komponen | “Aplikasi Oracle Ekspres” | SQL | 
| Versi | String | Komponen | “22.1.0.15.0" | SQL | 
| Status | String | Komponen | “VALID” | SQL | 
| Skema | String | Komponen | “APEX\_220100" | SQL |