Beszel项目中的温度传感器数据过滤技巧
2025-05-21 21:44:23作者:宣海椒Queenly
在基于Beszel构建的监控系统中,用户可能会遇到系统自动采集到大量无效温度数据的问题。本文将以一个典型的Unraid环境为例,深入分析该问题的成因并提供专业解决方案。
问题现象分析
当Beszel Agent部署在N100处理器的Unraid系统时,监控界面会出现以下两类异常数据:
- 大量标记为"systin"和"auxtin"的温度读数
- 这些无效数据出现在全局概览页面("All systems"),影响整体监控准确性
经技术分析,这些读数实际来自主板的温控芯片寄存器,反映的是温度传感器的阈值限制而非实际温度值。这类问题在Intel NUC系列及类似迷你PC平台较为常见。
解决方案详解
Beszel提供了两种专业级的传感器数据过滤机制:
方案一:白名单过滤模式
通过设置SENSORS环境变量,可以精确控制采集哪些传感器数据:
- 首先在Beszel界面确认有效传感器的名称标识
- 在Unraid的Docker配置中添加环境变量:
- 变量名:
SENSORS - 变量值:用逗号分隔的有效传感器名称(如:
coretemp_1,cpu_thermal)
- 变量名:
方案二:主传感器指定模式
对于只需要关注关键温度的场景,可设置PRIMARY_SENSOR变量:
- 该变量指定的传感器将作为系统代表温度显示在全局页面
- 其他传感器数据仍可在详细页面查看
技术实现原理
这两种方案底层都利用了Linux的lm-sensors框架:
sensors-detect会自动识别硬件监控芯片- Beszel通过libsensors库获取原始数据
- 环境变量实际上是在应用层面对采集数据进行过滤
在Unraid等容器化环境中,需特别注意:
- 环境变量必须通过Docker配置界面添加
- 修改后需要重启容器生效
- 变量名称必须大写
最佳实践建议
-
诊断阶段:
- 先在终端运行
sensors命令确认原始数据 - 识别出稳定的有效传感器(通常以"Core"或"Tdie"结尾)
- 先在终端运行
-
配置阶段:
- 建议先使用白名单模式
- 后期可优化为主传感器模式
-
验证阶段:
- 检查全局页面是否只显示有效数据
- 确认详细视图仍保留完整传感器信息
通过这种分层处理方案,用户既能获得简洁的全局视图,又不丢失详细的监控数据,实现了监控效率与信息完整性的平衡。对于其他基于Beszel的监控系统,此方法同样具有参考价值。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218