哪吒监控面板的局域网部署指南
2025-05-26 13:17:03作者:袁立春Spencer
概述
哪吒监控(nezha)是一款开源的服务器监控工具,能够实时监控服务器的运行状态、资源使用情况等。虽然官方文档中提到需要公网服务器,但实际上哪吒监控完全支持在局域网内部署使用,这对于企业内部服务器监控或实验室环境特别有用。
部署环境准备
- 操作系统要求:推荐使用Ubuntu或CentOS等主流Linux发行版
- 网络环境:确保所有需要监控的服务器位于同一局域网内
- 硬件要求:Dashboard服务器建议至少1核CPU、1GB内存
部署步骤
1. 安装Docker环境
哪吒监控依赖Docker运行,首先需要在部署服务器上安装Docker:
# Ubuntu/Debian系统
sudo apt update
sudo apt install -y docker.io
sudo systemctl enable --now docker
# CentOS/RHEL系统
sudo yum install -y docker
sudo systemctl enable --now docker
2. 部署Dashboard面板
使用Docker-compose方式部署Dashboard:
mkdir -p /opt/nezha && cd /opt/nezha
cat > docker-compose.yml <<EOF
version: '3'
services:
nezha-dashboard:
image: ghcr.io/naiba/nezha-dashboard:latest
container_name: nezha-dashboard
restart: always
ports:
- "8008:8008"
volumes:
- ./data:/opt/nezha/dashboard/data
environment:
- TZ=Asia/Shanghai
EOF
docker-compose up -d
3. 初始化配置
访问Dashboard管理界面:
- 地址:http://部署服务器IP:8008
- 首次访问会提示初始化管理员账号
4. 部署Agent到被监控服务器
在被监控的服务器上安装Agent:
curl -L https://raw.githubusercontent.com/naiba/nezha/master/script/install.sh -o nezha.sh
chmod +x nezha.sh
sudo ./nezha.sh
安装过程中需要输入:
- Dashboard地址:填写部署服务器的内网IP和端口(如192.168.1.100:8008)
- 通信密钥:在Dashboard的"设置"页面获取
局域网部署注意事项
- DNS解析:如果使用域名访问,确保局域网内有DNS解析服务或使用本地解析配置
- 防火墙设置:开放Dashboard服务器的8008端口
- 安全性:虽然在内网,仍建议设置强密码和定期更换通信密钥
- 备份策略:定期备份/opt/nezha/data目录
高级配置
自定义监控项
在Dashboard中可以添加自定义监控脚本,监控特定服务或应用的状态。
告警设置
配置邮件或Webhook告警,当服务器出现异常时及时通知管理员。
多节点部署
对于大型局域网环境,可以考虑部署多个Dashboard实例实现负载均衡。
常见问题解决
-
Agent无法连接Dashboard:
- 检查防火墙设置
- 确认Agent配置的Dashboard地址正确
- 查看Agent日志排查问题
-
Dashboard访问缓慢:
- 检查服务器资源使用情况
- 考虑增加服务器配置
-
数据不更新:
- 重启Agent服务
- 检查网络连通性
通过以上步骤,用户可以在完全隔离的局域网环境中部署哪吒监控系统,实现对内部服务器的全面监控,既保证了安全性又满足了监控需求。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
767
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
892
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
445
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
618
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253