物理机监控：超万台物理服务器应该如何快速实现监控告警

2025年3月31日09:22:53评论0 views字数 6963阅读23分12秒阅读模式

大家好，我是小斐呀。

去年写了一篇关于物理服务器监控告警，是基于夜莺体系下开源的采集器 Categraf 的 snmp 插件去做数据的采集，有部分好友反馈用的挺好的，最近又有星球好友反馈物理服务器故障了，但是没有及时发现，被领导吐槽了，但是使用的采集器是 SNMP Exporter ，所以想统一去做采集，我这应好友之所难，立马就给适配起来，阅读之前可先跳转到这篇文章查看一下：

物理机监控：物理服务器崩了，拿运维祭天！

通过前面文章我们知道物理服务器基本上都有带外管理卡，可支持的协议也挺丰富，但是从监控数据采集的角度来看，无非就是这三种 IPMI 、 SNMP 、 Redfish 。

由于 IPMI 协议自 2.0 版本后就没有再更新了，所以我推荐数据采集的协议就剩下 SNMP 、 Redfish 了，而最终指标需要存储到 Prometheus 中，故我们的监控架构如下：

所以我这里提供了两种协议选择，采集器也分别是两种采集器：

协议	模式	采集器
SNMP	push	Categraf
SNMP	pull	SNMP Exporter
Redfish	push	Telegraf
Redfish	pull	redfish_exporter

基于 Categraf 下 SNMP 的插件采集物理服务器指标写好如何使用，下面我详细介绍下 SNMP Exporter 采集物理服务器指标。

采集配置

在这里将以戴尔 iDRAC 为例，详细描述如何生成 SNMP Exporter 采集配置，通过 SNMP Exporter 配置生成器生成最终采集配置，配置生成器采集配置如下：

auths:
idrac_auth:
version:2
community:public

modules:
idrac_system:
walk:
# globalSystemStatus 设备全局系统状态 
-1.3.6.1.4.1.674.10892.5.2.1
# systemPowerState 设备系统电源（开机）状态 
-1.3.6.1.4.1.674.10892.5.2.4
# systemPowerUpTime 设备系统电源在线时长
-1.3.6.1.4.1.674.10892.5.2.5
# globalStorageStatus 设备全局存储状态
-1.3.6.1.4.1.674.10892.5.2.3
# systemLCDStatus 设备LCD状态
-1.3.6.1.4.1.674.10892.5.2.2
# systemOSName 操作系统名称
-1.3.6.1.4.1.674.10892.5.1.3.6
# systemModelName 设备型号
-1.3.6.1.4.1.674.10892.5.1.3.12
# systemSystemID 系统ID
-1.3.6.1.4.1.674.10892.5.1.3.13
# systemOSVersion 操作系统版本
-1.3.6.1.4.1.674.10892.5.1.3.14
# systemServiceTag 服务标签
-1.3.6.1.4.1.674.10892.5.1.3.2
# systemExpressServiceCode 快速服务代码
-1.3.6.1.4.1.674.10892.5.1.3.3
# racFirmwareVersion iDRAC 固件版本
-1.3.6.1.4.1.674.10892.5.1.1.8
# racShortName iDRAC 版本
-1.3.6.1.4.1.674.10892.5.1.1.2
# racURL iDRAC 界面的 URL
-1.3.6.1.4.1.674.10892.5.1.1.6
# numEventLogEntries 事件日志中的条目数
-1.3.6.1.4.1.674.10892.5.4.300.1
# systemBIOSStateSettings BIOS状态设置
-1.3.6.1.4.1.674.10892.5.4.300.50.1.4
# systemBIOSStatus BIOS状态
-1.3.6.1.4.1.674.10892.5.4.300.50.1.5
# systemBIOSVersionName Bios版本信息 
-1.3.6.1.4.1.674.10892.5.4.300.50.1.8
# firmwareStateSettings 固件状态设置
-1.3.6.1.4.1.674.10892.5.4.300.60.1.4
# firmwareStatus 固件状态
-1.3.6.1.4.1.674.10892.5.4.300.60.1.5
# firmwareTypeName 固件类型名称
-1.3.6.1.4.1.674.10892.5.4.300.60.1.8
# firmwareVersionName 固件版本名称
-1.3.6.1.4.1.674.10892.5.4.300.60.1.11
# intrusionStateSettings 侵入设备状态设置
-1.3.6.1.4.1.674.10892.5.4.300.70.1.4
# intrusionStatus 侵入设备状态
-1.3.6.1.4.1.674.10892.5.4.300.70.1.5
# intrusionLocationName 入侵位置名称
-1.3.6.1.4.1.674.10892.5.4.300.70.1.8
# amperageProbeStateCapabilities 电流探头状态功能
-1.3.6.1.4.1.674.10892.5.4.600.30.1.3.1.3
# amperageProbeStateSettings 电流探头状态设置
-1.3.6.1.4.1.674.10892.5.4.600.30.1.4.1.3
# amperageProbeStatus 电流探头实体状态
-1.3.6.1.4.1.674.10892.5.4.600.30.1.5.1.3
# amperageProbeReading 电流探头探测的实际功率 单位：瓦特
-1.3.6.1.4.1.674.10892.5.4.600.30.1.6.1.3
# amperageProbeType 电流探头类型
-1.3.6.1.4.1.674.10892.5.4.600.30.1.7.1.3
# amperageProbeLocationName 电流探头名称
-1.3.6.1.4.1.674.10892.5.4.600.30.1.8.1.3
# systemBatteryStateSettings 电池启用状态
-1.3.6.1.4.1.674.10892.5.4.600.50.1.4
# systemBatteryStatus 电池状态
-1.3.6.1.4.1.674.10892.5.4.600.50.1.5
# systemBatteryLocationName 电池位置名称
-1.3.6.1.4.1.674.10892.5.4.600.50.1.7
# temperatureProbeStateSettings 温度探针状态设置
-1.3.6.1.4.1.674.10892.5.4.700.20.1.4
# temperatureProbeStatus 温度探针状态
-1.3.6.1.4.1.674.10892.5.4.700.20.1.5
# temperatureProbeReading 温度值
-1.3.6.1.4.1.674.10892.5.4.700.20.1.6
# temperatureProbeLocationName 探测器名称
-1.3.6.1.4.1.674.10892.5.4.700.20.1.8
# temperatureProbeUpperCriticalThreshold 温度告警高阈值 单位：十分之一摄氏度
-1.3.6.1.4.1.674.10892.5.4.700.20.1.10

max_repetitions:25
retries:3
timeout:5s
allow_nonincreasing_oids:false
use_unconnected_udp_socket:false

lookups:
-source_indexes:[systemBIOSchassisIndex,systemBIOSIndex]
lookup:systemBIOSVersionName
-source_indexes:[firmwarechassisIndex,firmwareIndex]
lookup:firmwareTypeName
-source_indexes:[firmwarechassisIndex,firmwareIndex]
lookup:firmwareVersionName
-source_indexes:[intrusionchassisIndex,intrusionIndex]
lookup:intrusionLocationName
-source_indexes:[amperageProbechassisIndex,amperageProbeIndex]
lookup:amperageProbeLocationName
-source_indexes:[systemBatteryChassisIndex,systemBatteryIndex]
lookup:systemBatteryLocationName
-source_indexes:[temperatureProbechassisIndex,temperatureProbeIndex]
lookup:temperatureProbeLocationName

overrides:
systemOSName:
ignore:false
type:DisplayString
systemModelName:
ignore:false
type:DisplayString
systemOSVersion:
ignore:false
type:DisplayString
systemServiceTag:
ignore:false
type:DisplayString
systemExpressServiceCode:
ignore:false
type:DisplayString
racFirmwareVersion:
ignore:false
type:DisplayString
racShortName:
ignore:false
type:DisplayString
racURL:
ignore:false
type:DisplayString
systemBIOSVersionName:
ignore:true
type:DisplayString
firmwareTypeName:
ignore:true
type:DisplayString
firmwareVersionName:
ignore:true
type:DisplayString
intrusionLocationName:
ignore:true
type:DisplayString
systemBatteryLocationName:
ignore:true
type:DisplayString
amperageProbeLocationName:
ignore:true
type:DisplayString
temperatureProbeLocationName:
ignore:true
type:DisplayString
......

更多信息在我的开源项目中查看。

整个采集配置有哪些模块呢，都分别采集物理服务器什么指标信息呢？

部署 SNMP Exporter 并生成最终采集配置 snmp_idrac.yml ，生成器配置和生成好的采集配置已在开源项目中，可自行去拿。

运行采集

把上面生成好的采集配置文件 snmp_idrac.yml 放入指定的加载配置文件夹中，注意使用前修改为你的认证信息，如下所示：

将 snmp_exporter 的作为服务运行，新建服务启动文件 /etc/systemd/system/snmp_exporter.service

[Unit]
Description=snmp_exporter
After=network.target

[Service]
ExecStart=/opt/snmp_exporter/snmp_exporter --config.file=/opt/snmp_exporter/conf/snmp_*.yml --snmp.module-concurrency=3
Restart=on-failure

[Install]
WantedBy=multi-user.target

这里的 --config.file 使用了通配符 * 匹配加载 /opt/snmp_exporter/conf 目录下的所有 snmp_ 为前缀的采集配置文件，主要是后续可以加载多品牌配置文件。

把 snmp_idrac.yml 放入 /opt/snmp_exporter/conf/ 目录下，启动并运行测试如下：

sudo systemctl restart snmp_exporter.service
sudo systemctl status snmp_exporter.service

启动成功后，浏览器打开 SNMP Exporter 的 9116 端口测试采集是否正常。

抓取配置

接下来就需要在 vmagent 下设置抓取配置，打开抓取配置文件，在 scrape_configs 下配置 job_name 以固定的频率抓取指标数据存入时序库中。

下面以 VictoriaMetrics 下的 vmagent 组件为例：

如果使用原生的 Prometheus 时序数据库，下面的抓取配置也是兼容的，可直接复制到 prometheus.yml 下使用。

job_name 配置如下所示：

scrape_configs:
-job_name:"dell_idrac"
scrape_interval:60s
scrape_timeout:50s
file_sd_configs:
-files:
-/etc/victoriametrics/vmagent/dell_idrac.yml
metrics_path:/snmp
relabel_configs:
-source_labels:["__address__"]
target_label:__param_target
-source_labels:["__param_target"]
target_label:instance
-target_label:__address__
replacement:172.17.10.5:9116
-source_labels:["module"]
target_label:__param_module
-source_labels:["auth"]
target_label:__param_auth

由于上面使用了文件服务发现，我们需要在目录 /etc/victoriametrics/vmagent 下添加定义物理服务器的信息 dell_idrac.yml 文件模版内容如下：

-labels:
module:idrac_system,idrac_hardware,idrac_frupci,idrac_storage,idrac_power
auth:idrac_auth
brand:Dell
role:server
region:hangzhou
targets:
-172.16.10.1
-172.16.10.2
-172.16.10.3
-172.16.10.4
-172.16.10.5

这里要监控几千台物理机，如果用 yaml 维护对象配置好像有点麻烦，故针对大量设备的监控对象管理，我将适配基于 Web 管理监控对象的 SNMP Exporter 的 Consul 服务发现，这样一来针对大批量的物理服务器监控就可以很方便的快速添加。

面板呈现

开源说明

以上所有资源已开源，需要相关配置和资源的可直接去开源项目中获取：

https://github.com/robotneo/phymonarch

for Prometheus 面板是针对 Prometheus 数据源， for VictoriaMetrics 的是针对 VictoriaMetrics 数据源，如需使用需要单独在 Grafana 插件市场中安装 VictoriaMetrics 数据源插件。

SNMP 系列会优先完善， redfish 系列需要根据手上的设备适配来排期，**redfish** 目前基于戴尔 idrac 、 HPE iLO 、联想 XClarity 可以先使用 idrac_exporter 可以满足一些基础性指标需求。

加群

如果你对监控或可观测有兴趣需要找到合适的组织，你可以加我，我拉你进群和更多志同道合朋友沟通。

📣欢迎朋友们关注公众号📢📢：【网络小斐】！

🙋‍♂️有想法的朋友也可以加我沟通，朋友🔘做个点赞之交！😂😂

欢迎点赞 👍、收藏 💗、关注 💡 三连支持一下，我们下期见~✨

原文始发于微信公众号（网络小斐）：物理机监控：超万台物理服务器应该如何快速实现监控告警

免责声明:文章中涉及的程序(方法)可能带有攻击性，仅供安全研究与教学之用，读者将其信息做其他用途，由读者承担全部法律及连带责任，本站不承担任何法律及连带责任；如有问题可邮件联系(建议使用企业邮箱或有效邮箱,避免邮件被拦截，联系方式见首页)，望知悉。

左青龙
微信扫一扫

右白虎
微信扫一扫

物理机监控：超万台物理服务器应该如何快速实现监控告警

采集配置

运行采集

抓取配置

面板呈现

开源说明

加群

员工离职时的数据权限回收流程

看网友们如何回答公司裁员会优先裁掉哪些员工？

最新微软更新后，强制win11联网激活！绕过脚本被移除。没关系，教你如何继续绕过强制激活

有以下几种迹象，说明快要被裁员了

Wazuh监控Docker事件

新的Grandoreiro银行木马攻击活动针对拉丁美洲和欧洲

德国政权更迭：中欧产业链的新风暴

深入解读深信服2024年财报

美国NIST发布保护AI系统免受对抗性攻击最新指南

兄弟们，汉塔那个小洞节奏太大了，回应一下

发表评论

在线咨询

微信