Zabbix 如何監控服務器硬件信息？

作者：sfzhang 2014-05-28 13:23:57

做為Linux系統工程師，在服務器的維護管理當中，除了對系統進行維護管理之外，最重要的還要對服務器的硬件進行監控，比如服務器Raid狀態是否正常（如果Raid卡出問題，會影響數據的讀寫速度），服務器硬盤是否正常（如果硬盤壞掉，嚴重的情況會丟失數據），服務器電源是否有故障等。

做為Linux系統工程師，在服務器的維護管理當中，除了對系統進行維護管理之外，最重要的還要對服務器的硬件進行監控，比如服務器Raid狀態是否正常（如果Raid卡出問題，會影響數據的讀寫速度），服務器硬盤是否正常（如果硬盤壞掉，嚴重的情況會丟失數據），服務器電源是否有故障等。除此之外還要對服務器的CPU，內存，處理器等重要設備的溫度進行監控，如果溫度超過服務器的臨界溫度則進行報警通知。

HP的服務器在硬件管理方面提供了自己管理工具hpacucli，通過該工具可以查看HP服務器的RAID信息，服務器硬盤等信息。
1)安裝hpacucli工具(下載地址：HP hpacucli管理工具)

[root@monitor ~]#rpm -ivh hpacucli-9.40-12.0.x86_64.rpm

2）查看服務器RAID信息，硬盤是否正常。

[root@monitor~]# hpacucli ctrl all show config 
Smart Array P410i in Slot 0 (Embedded)    (sn: 5001438018042FF0) 
   array A (SAS, Unused Space: 0 MB) 
      logicaldrive 1 (279.4 GB, RAID 1, OK) 
      physicaldrive 1I:1:1 (port 1I:box 1:bay 1, SAS, 300 GB, OK) 
      physicaldrive 1I:1:2 (port 1I:box 1:bay 2, SAS, 300 GB, OK)

3)通過hpacucli ctrl all show config detail命令可以詳細地查看RAID和硬盤的信息。

[root@monitor ~]# hpacucli ctrl all show config detail 
Smart Array P410i in Slot 0 (Embedded) 
   Bus Interface: PCI 
   Slot: 0 
   Serial Number: 5001438018042FF0 
   Cache Serial Number: PBCDH0CRH1FH62 
   RAID 6 (ADG) Status: Disabled 
   Controller Status: OK 
   Chassis Slot: 
   Hardware Revision: Rev C 
   Firmware Version: 5.14 
   Rebuild Priority: Medium 
   Expand Priority: Medium 
   Surface Scan Delay: 15 secs 
   Monitor and Performance Delay: 60 min 
   Elevator Sort: Enabled 
   Degraded Performance Optimization: Disabled 
   Inconsistency Repair Policy: Disabled 
   Post Prompt Timeout: 0 secs 
   Cache Board Present: True 
   Cache Status: OK 
   Accelerator Ratio: 25% Read / 75% Write 
   Drive Write Cache: Disabled 
   Total Cache Size: 512 MB 
   No-Battery Write Cache: Disabled 
   Cache Backup Power Source: Capacitors 
   Battery/Capacitor Count: 1 
   Battery/Capacitor Status: OK 
   SATA NCQ Supported: True 
   Array: A 
      Interface Type: SAS 
      Unused Space: 0 MB 
      Status: OK 
      Logical Drive: 1 
         Size: 279.4 GB 
         Fault Tolerance: RAID 1 
         Heads: 255 
         Sectors Per Track: 32 
         Cylinders: 65535 
         Stripe Size: 128 KB 
         Status: OK 
         Array Accelerator: Enabled 
         Unique Identifier: 600508B1001034373220202020200002 
         Disk Name: /dev/cciss/c0d0 
         Mount Points: /boot 99 MB 
         Logical Drive Label: A00ADBD9PR7AMU1472     898D 
         Mirror Group 0: 
            physicaldrive 1I:1:1 (port 1I:box 1:bay 1, SAS, 300 GB, OK) 
         Mirror Group 1: 
            physicaldrive 1I:1:2 (port 1I:box 1:bay 2, SAS, 300 GB, OK) 
      physicaldrive 1I:1:1 
         Port: 1I 
         Box: 1 
         Bay: 1 
         Status: OK 
         Drive Type: Data Drive 
         Interface Type: SAS 
         Size: 300 GB 
         Rotational Speed: 10000 
         Firmware Revision: HPD4 
         Serial Number: ECA1PC80GTS31234 
         Model: HP      EG0300FBDSP 
         PHY Count: 2 
         PHY Transfer Rate: 6.0GBPS, Unknown 
      physicaldrive 1I:1:2 
         Port: 1I 
         Box: 1 
         Bay: 2 
         Status: OK 
         Drive Type: Data Drive 
         Interface Type: SAS 
         Size: 300 GB 
         Rotational Speed: 10000 
         Firmware Revision: HPD7 
         Serial Number:         PMX6902D 
         Model: HP      EG0300FBDBR 
         PHY Count: 2 
         PHY Transfer Rate: 6.0GBPS, Unknown

HP官方還有一個hpasmcli管理工具，可以很詳細查看服務器CPU，內存，處理器，電源等的溫度信息。

1)安裝hpasmcli工具(下載地址：HP hpasmcli管理工具）

[root@monitor ~]#rpm -ivh hp-health-9.40-1602.44.rhel6.x86_64.rpm

2)通過工具hpasmcli可以查看服務器各部件的溫度信息，其中Temp表示各部件當前的溫度，Threshold表示臨界溫度，當當前溫度超過臨界溫度的時候就要注意啦。

[root@monitor ~]# hpasmcli -s 'show temp' 
Sensor   Location              Temp       Threshold 
------   --------              ----       --------- 
#1        AMBIENT              23C/73F    42C/107F 
#2        CPU#1                40C/104F   82C/179F 
#3        CPU#2                40C/104F   82C/179F 
#4        MEMORY_BD            33C/91F    87C/188F 
#5        MEMORY_BD            33C/91F    78C/172F 
#6        MEMORY_BD             -         87C/188F 
#7        MEMORY_BD            32C/89F    78C/172F 
#8        MEMORY_BD            32C/89F    87C/188F 
#9        MEMORY_BD            32C/89F    78C/172F 
#10       MEMORY_BD             -         87C/188F 
#11       MEMORY_BD            32C/89F    78C/172F 
#12       POWER_SUPPLY_BAY     33C/91F    59C/138F 
#13       POWER_SUPPLY_BAY     47C/116F   73C/163F 
#14       MEMORY_BD            29C/84F    72C/161F 
#15       PROCESSOR_ZONE       32C/89F    73C/163F 
#16       PROCESSOR_ZONE       30C/86F    64C/147F 
#17       MEMORY_BD            28C/82F    63C/145F 
#18       PROCESSOR_ZONE       39C/102F   69C/156F 
#19       SYSTEM_BD            35C/95F    69C/156F 
#20       SYSTEM_BD            38C/100F   71C/159F 
#21       SYSTEM_BD            44C/111F   65C/149F 
#22       SYSTEM_BD            45C/113F   71C/159F 
#23       SYSTEM_BD            39C/102F   69C/156F 
#24       SYSTEM_BD            47C/116F   69C/156F 
#25       SYSTEM_BD            35C/95F    63C/145F 
#26       SYSTEM_BD            45C/113F   66C/150F 
#27       SCSI_BACKPLANE_ZONE  35C/95F    60C/140F 
#28       SYSTEM_BD            73C/163F   110C/230F

3）通過hpasmcli -s 'show'查看類似于help的幫助信息，監控的時候要重點關注 DIMM(內存)、FANS(風扇)、POWERSUPPLY(電源模塊)、SERVER(系統)、CPU、TEMP(溫度)等信息。

[root@monitor ~]# hpasmcli -s 'show' 
Invalid Arguments 
     SHOW ASR 
     SHOW BOOT 
     SHOW DIMM [ SPD ] 
     SHOW F1 
     SHOW FANS 
     SHOW HT 
     SHOW IML 
     SHOW IPL 
     SHOW NAME 
     SHOW PORTMAP 
     SHOW POWERMETER 
     SHOW POWERSUPPLY 
     SHOW PXE 
     SHOW SERIAL [ BIOS | EMBEDDED | VIRTUAL ] 
     SHOW SERVER 
     SHOW TEMP 
     SHOW TPM 
     SHOW UID 
     SHOW WOL

4）hpasmcli幾種常用的例子。

查看內存信息：hpasmcli -s 'show dimm'|egrep -i 'module|stat'
查看風扇信息：hpasmcli -s 'show fans'
查看硬件溫度：hpasmcli -s 'show temp'
查看電源模塊：hpasmcli -s 'show powersupply'
查看機器型號,序列號,CPU,內存大小：hpasmcli -s 'show server'

由于各種服務器的廠商不同，管理工具不同，因此Zabbix對服務器硬件方面沒有很詳細，全面的解決方案。之前dl528888寫過zabbix通過omsa工具監控DEL服務器，也是一種很好的思路，我也借鑒過，這里非常感謝。

Zabbix監控總結起來有兩種思路：第一就是server通過agentd方式獲取數據,這種方式需要定義UserParameter參數，即KEY。第二就是server通過trapper的方式獲取數據，即agentd將數據主動sender給server或者proxy。我這里是通過第二種traper的方式監控的。第一種方式server有時候會取不到數據：

became not supported: Received value [] is not suitable for value type [Numeric (unsigned)] and data type [Decimal]

會產生上面的錯誤。

首先查看我監控的腳本，由于是通過traper的思路進行監控，log_file文件依次定義了要監控服務器的主機名(hostname),監控項key以及監控的值。

[root@monitor scripts]# cat hpacuclizabbix.sh 
#!/bin/sh 
#create by sfzhang 20140517 
#This scripts monitoring HP server, such as smart array status,Hardware information and server temperature。 
zabbix_server="*.*.*.*" #IP from Zabbix Server or proxy where data should be send to. 
zabbix_sender="/usr/local/zabbix/bin/zabbix_sender" 
log_file='/tmp/hpacuclizabbix.log' #In the file to define the monitor host, key and value 
hpacucli='/usr/sbin/hpacucli' 
options='ctrl all show config detail' 
hpacucli_log="/tmp/result.log" 
PATH=$PATH:/usr/sbin:/sbin 
${hpacucli} ${options} > ${hpacucli_log} 
Cache_status=`cat ${hpacucli_log} |awk '/Cache Status:/{print $NF}'` 
Controller_status=`cat ${hpacucli_log} |awk '/Controller Status:/{print $NF}'` 
Battery_capacitor_status=`cat ${hpacucli_log} |awk '/Battery\/Capacitor Status:/{print $NF}'` 
Physicaldrive_status=$(awk -v total=`hpacucli ctrl slot=0 pd all show status |grep physicaldrive |wc -l` -v normal=`hpacucli ctrl slot=0 pd all show status|awk '/physicaldrive/{if($NF=="OK") count+=1}END{print count}'` 'BEGIN{if(total==normal) {print "OK"} else {print "NO"}}') 
Memory_status=$(awk -v total=`hpasmcli -s 'SHOW DIMM'|grep -i 'Status' |wc -l` -v normal=`hpasmcli -s 'SHOW DIMM' |awk '/Status:/{if($NF=="Ok") count+=1}END{print count}'` 'BEGIN{if(total==normal) {print "OK"} else {print "NO"}}') 
Fans_status=$(awk -v total=`hpasmcli -s 'SHOW FANS' |grep "#" |wc -l` -v normal=`hpasmcli -s 'SHOW FANS'  |awk '/#/{if($3=="Yes") count+=1}END{print count}'` 'BEGIN{if(total==normal) {print "OK"} else {print "NO"}}') 
Power_status=$(awk -v total=`hpasmcli -s 'SHOW POWERSUPPLY' |grep "Power supply" |wc -l` -v normal=`hpasmcli -s 'SHOW POWERSUPPLY' |awk '/Condition:/{if ($NF=="Ok") count+=1}END{print count}'` 'BEGIN{if(total==normal) {print "OK"} else {print "NO"}}') 
Processor_status=$(awk -v total=`hpasmcli -s 'SHOW SERVER' |grep "Processor:" |wc -l` -v normal=`hpasmcli -s 'SHOW SERVER' |awk '/Status/{if ($NF=="Ok") count+=1}END{print count}'` 'BEGIN{if(total==normal) {print "OK"} else {print "NO"}}') 
Power_temp_num=$(hpasmcli -s 'SHOW TEMP' |awk '/POWER_SUPPLY_BAY/{print $3}'|awk -F"C" '{print $1}'|awk 'BEGIN {max = 0} {if ($1>max) max=$1 fi} END {print max}') 
Ambient_temp_num=$(hpasmcli -s 'SHOW TEMP' |awk '/AMBIENT/{print $3}'|awk -F"C" '{print $1}') 
Cpu_temp_num=$(hpasmcli -s 'SHOW TEMP' |awk '/CPU/{print $3}'|awk -F"C" '{print $1}' |awk 'BEGIN {max = 0} {if ($1>max) max=$1 fi} END {print max}') 
Memory_temp_num=$(hpasmcli -s 'SHOW TEMP' |awk '/MEMORY_BD/{print $3}'|awk -F"C" '{print $1}' |awk 'BEGIN {max = 0} {if ($1>max) max=$1 fi} END {print max}') 
System_temp_num=$(hpasmcli -s 'SHOW TEMP' |awk '/SYSTEM_BD/{print $3}'|awk -F"C" '{print $1}' |awk 'BEGIN {max = 0} {if ($1>max) max=$1 fi} END {print max}') 
Processor_temp_num=$(hpasmcli -s 'SHOW TEMP' |awk '/PROCESSOR_ZONE/{print $3}'|awk -F"C" '{print $1}' |awk 'BEGIN {max = 0} {if ($1>max) max=$1 fi} END {print max}') 
echo $HOSTNAME hp_smart_array.cache_status $Cache_status >${log_file} 
echo $HOSTNAME hp_smart_array.controller_status $Controller_status >>${log_file} 
echo $HOSTNAME hp_smart_array.battery_capacitor_status $Battery_capacitor_status >>${log_file} 
echo $HOSTNAME hp_hardware.hpysicaldrive_status $Physicaldrive_status >>${log_file} 
echo $HOSTNAME hp_hardware.memory_status  $Memory_status >>${log_file} 
echo $HOSTNAME hp_hardware.fans_status  $Fans_status >>${log_file} 
echo $HOSTNAME hp_hardware.power_status  $Power_status >>${log_file} 
echo $HOSTNAME hp_hardware.processor_status  $Processor_status >>${log_file} 
echo $HOSTNAME hp_power.temp_num $Power_temp_num >> ${log_file} 
echo $HOSTNAME hp_ambient.temp_num $Ambient_temp_num >> ${log_file} 
echo $HOSTNAME hp_cpu.temp_num $Cpu_temp_num >> ${log_file} 
echo $HOSTNAME hp_memory.temp_num $Memory_temp_num >> ${log_file} 
echo $HOSTNAME hp_system.temp_num $System_temp_num >> ${log_file} 
echo $HOSTNAME hp_processor.temp_num $Processor_temp_num >> ${log_file} 
$zabbix_sender -z $zabbix_server -i ${log_file} > /tmp/zabbix.temp

最后只需開啟crontab,5分鐘運行一次。

[root@monitor~]echo "*/5 * * * * /etc/zabbix/scripts/hpacuclizabbix.sh"  >>  /var/spool/cron/root

查看zabbix監控HP服務器硬件KEY的定義，數據的收集都是通過trapper的方式收集的。

查看zabbix監控HP服務器硬件triggers定義，其中nodata(600)這個trigger是為了防止被監控端數據采集出問題而設置的，比如crontab不正常，腳本被誤刪除等等。如果server10分鐘之內收集不到被監控端的數據就會報警。

在zabbix server lastdata查看zabbix server 通過trapper收到的數據。

查看被監控端服務器各部件溫度信息。

當被監控端出問題時Zabbix會及時報警。

說明：Zabbix監控HP服務器硬件操作方法：

1）在HP服務器上面安裝hpacucli和hpasmcli管理工具。

2）修改hpacuclizabbix.sh腳本的zabbix_server ip地址，指定為自己的server或者proxy的地址，并把該腳本添加到crontab。

3）導入附件中的模板，Link到要監控的主機上面即可。

4）如果有其它問題，歡迎多多交流。

責任編輯：黃丹來源： 51CTO博客

Zabbix 監控 Linux系統