服务器硬件(Redfish)
Este conteúdo não está disponível em sua língua ainda.
服务器自身的硬件,通过其管理控制器(BMC)读取:风扇、相对于各自 阈值的温度、电源及其冗余状态、驱动器、内存、处理器和事件日志。
Redfish 是 DMTF 为管理控制器标准化的 HTTPS 接口,目前所有主流 控制器都支持它:Supermicro、Dell iDRAC、HPE iLO、Lenovo XClarity Controller、ASRock Rack、OpenBMC。这是监控服务器硬件 正确的方式。相比之下,BMC 的 SNMP 代理通常描述的是 BMC 本身—— 它的小型 ARM Linux 系统、它的内存、它的网络链路——而不是它所 管理的服务器(参见 SNMP)。
所有指标都以 dumbmonit_redfish_ 为前缀。健康状态序列的值直接
来自 Status.Health:0(正常)、1(警告)或 2(严重)。
| 指标族 | 指标 | 标签 |
|---|---|---|
| 服务 | info(固定值 1) | vendor, product, redfish_version |
| 系统 | system_health(系统自身的)、system_health_rollup(其包含的一切)、system_power_on、memory_health、processor_health(控制器的汇总值,所有内存条和所有 CPU 共用一个值)、memory_total_bytes | system |
| 机箱 | chassis_health, chassis_health_rollup | chassis |
| 温度 | temperature_celsius、temperature_upper_critical_celsius 和 temperature_upper_caution_celsius(该传感器自身声明的严重和警戒阈值,如果有)、temperature_health | chassis, sensor |
| 风扇 | fan_speed_rpm(或控制器以百分比报告时的 fan_speed_percent)、fan_lower_critical_rpm(或 _percent:风扇自身声明的最低转速,仅旧版模式)、fan_health、fan_redundancy_health | chassis, fan / group |
| 电源 | psu_health, psu_output_watts, psu_capacity_watts, power_redundancy_health, power_consumed_watts | chassis, psu / group |
| 电压 | voltage_volts, voltage_health | chassis, sensor |
| 存储 | storage_health, drive_health, drive_failure_predicted, drive_life_left_percent(SSD)、drive_capacity_bytes | system, storage, drive, media |
| 控制器 | manager_health, manager_info(固定值 1) | manager, firmware, model |
| 日志 | log_entries, log_critical_entries, log_warning_entries | owner(系统或控制器)、log |
| 采集 | scrape_errors, scrape_duration_seconds |
空插槽不是故障。 一个 Status.State 为 Absent(空的电源
仓位、空闲的内存插槽、缺失的第二个 CPU)或 Disabled(未配置的
冗余组)的组件完全不会产生任何序列。一台只装了两个电源中的一个
就出厂的服务器是健康的,也会被这样显示。
两代模式,同一套序列。 目前仍在服役的大多数控制器仍在公布
较旧的 Chassis/{id}/Thermal 和 Chassis/{id}/Power 资源,每个
传感器各需一次请求;最新的控制器只公布 ThermalSubsystem、
PowerSubsystem、EnvironmentMetrics 和 Sensors,每个风扇、
电源和传感器各对应一个资源。DumbMonit 在较旧形式存在时读取它,
否则读取较新的形式;两者产生完全相同的序列和标签,因此一条规则
写一次就能同时适用于两者。
日志只会被计数,从不会被读取。 日志条目可能包含主机名、地址 和用户名:DumbMonit 只保留条目总数,以及控制器提供的第一页中有 多少条是严重或警告级别。
适用的内置规则: 服务器风扇故障、服务器温度超过严重阈值、电源冗余丢失、电源故障、 预测驱动器将发生故障、服务器健康状态严重,以及监控项不可达。
一个 Redfish 监控项会在其页面上、图表上方得到自己的专属面板,读取 自上次探测存储的数据:打开该页面从不会查询控制器。它按以下顺序 作答:
- 服务器是否健康。 一个词——健康、降级或严重——来自控制器 自身的健康状态和汇总值,下方用一句话列出每个拉低它的组件: CPU1 Temp is at 47 °C, at or above its critical threshold of 45 °C、Power supply redundancy is lost、Drive 3 predicts its own failure。当控制器把服务器汇总为降级、却没有指明任何 DumbMonit 能读到的原因时,面板会说明这一点并指向其事件日志。 下方:电源状态、功耗、已安装内存和控制器的固件版本。
- 风扇和温度是否在限制范围内。 每个传感器都会与控制器为 该传感器声明的阈值进行比较——它的警戒和严重温度、风扇的 最低转速——绝不会与 DumbMonit 自己的数字比较。一个没有声明 阈值的传感器只会显示其读数,不给出判定,除非控制器自身报告 它处于降级状态。问题会被优先列出。
- 电源是否冗余。 每个冗余组(冗余、冗余降级、冗余丢失), 然后是每个存在的电源及其输出相对于容量的比例和状态。如果 没有冗余组,面板会说明控制器没有声明任何冗余组:单电源,或 未配置冗余。
- 驱动器是否健康。 每个存储控制器,然后是每个驱动器及其 容量、SSD 的剩余寿命和其状态;预测将发生故障会排在最前面。
- 内存、处理器和控制器:控制器为所有内存条和所有 CPU 给出 的单词汇总、管理控制器自身的健康状态、型号和固件,以及电压。
- 事件日志:按严重级别统计的条目数。条目会一直保留直到有人 清除日志,因此一个严重级别的计数可能是旧消息:它会被显示 出来,但不会改变服务器健康状态的那个词。
空仓位和空闲插槽永远不会出现:它们不会产生任何序列。每个状态都 既是一个词也是一种颜色,未知值显示为”—“,绝不显示为 0。
在管理控制器上创建一个只读账户
Section titled “在管理控制器上创建一个只读账户”-
打开管理控制器(BMC)的网页界面,而不是服务器的操作系统。创建一个按如下方式命名的新本地用户,使用一个不在任何其他地方使用的较长密码。
dumbmonit -
赋予它能读取的最低角色,不多不少。Supermicro:Configuration → Users → Add User,权限 User,并在账户类型中勾选 Redfish。Dell iDRAC:iDRAC Settings → Users → Local Users → Add,角色 Read Only。HPE iLO:Administration → User Administration → New,取消勾选除 Login 之外的所有权限。Lenovo XClarity Controller:BMC Configuration → User/LDAP → Create,角色 Read-only。ASRock Rack:Settings → User Management,权限 User。
-
从管理网络上的任意一台机器确认该账户能读取 Redfish。该命令会要求输入密码,并打印服务器的名称和健康状态。
curl -k -u dumbmonit https://bmc.lan/redfish/v1/Systems -
在 DumbMonit 中,输入控制器地址,例如 “bmc.lan” 或 “10.0.0.50”,然后输入该账户的用户名和密码。
-
DumbMonit 只会读取:风扇、温度、电压、电源、驱动器、内存和处理器汇总信息,以及按严重级别统计的日志条目数。它从不开关服务器电源,从不更改任何设置,也从不读取日志的文本内容。
以上菜单名称是当前固件的名称,较旧的代际会把它们挪到别处,但 角色保持一致。在 Supermicro 上,创建用户时选择的账户类型决定了 它可以使用哪些接口:没有 Redfish 访问权限的账户即使密码正确也会 被以 401 拒绝。
| 凭据 | 字段 |
|---|---|
| 管理控制器账户 | 该只读账户的用户名和密码。 |
地址:控制器的主机名或 IP,例如 bmc.lan 或 10.0.0.50。默认
端口是 443;写成 host:port 可使用其他端口,或使用完整 URL
(https://bmc.lan:8443)。
| 选项 | 默认值 | 作用 |
|---|---|---|
port | 443 | HTTPS 端口,当地址中未给出时使用。 |
insecure_tls | false | 接受自签名证书。 |
request_timeout_seconds | 8 | 每次 Redfish 调用允许的时间,1 到 120。 |
auth | basic | basic 会在每个请求中发送用户名和密码,不在控制器上保留任何打开的会话。session 只登录一次并复用会话令牌(X-Auth-Token),只有在控制器拒绝它时才重新打开,并关闭被替换的那个会话。只有当控制器拒绝基本认证时才使用它:控制器的会话槛位数量非常有限。 |
storage | true | 读取存储控制器及其背后的每个驱动器。每个驱动器一次请求。 |
logs | true | 按严重级别统计系统事件日志和控制器自身日志的条目数。 |
一次完整读取需要几十次请求:服务根、然后每个系统、机箱和控制器、
它们的热量和电源资源、存储控制器和驱动器、日志服务。DumbMonit
最多同时发送四个请求。较慢的控制器可能需要更长的探测超时
(DUMBMONIT_PROBE_TIMEOUT_SECS,参见
配置)以及两分钟或更长的探测
间隔。
| 现象 | 可能原因 |
|---|---|
| 认证被拒绝 | 密码错误,或该账户不允许使用 Redfish(Supermicro 的账户类型、iLO 缺少”Login”权限)。 |
| 权限不足 | 该角色对某个资源权限过低;其余部分仍会正常读取。有些控制器会对最低角色隐藏事件日志。 |
| TLS 证书被拒绝 | 控制器的自签名证书:勾选”接受无法验证的证书”,或在控制器上安装一个受信任的证书。 |
| 超时 | 控制器应答缓慢:调高 DUMBMONIT_PROBE_TIMEOUT_SECS,关闭 storage 或 logs,或延长检查间隔。 |
| 没有温度阈值 | 控制器没有为该传感器公布 UpperThresholdCritical:温度仍会被记录,但内置规则无法将其与任何值比较。 |