Zabbix 官方模板深度指南:使用 Dell iDRAC by SNMP 监控 PowerEdge 服务器硬件
Zabbix 官方模板深度指南:使用 Dell iDRAC by SNMP 监控 PowerEdge 服务器硬件
导读
本文以 Zabbix 官方开源仓库中的 Dell iDRAC by SNMP 模板(模板说明文档、模板定义文件)为研究对象,完整讲解如何通过 SNMP 协议、无需任何外部脚本即可监控戴尔 PowerEdge 服务器的整体健康状态、固件与序列号、温度/电压/风扇传感器、电源、RAID 控制器、物理与虚拟磁盘、网卡、CPU、内存等全维度硬件信息。读完本文,你将掌握该模板的部署方法、37 个可调宏的含义与分组、12 个自动发现(LLD)规则的底层 OID 与预处理机制、触发器告警体系的构建思路,以及内置仪表盘的组成,可直接将其应用到生产环境。
一、模板概览:适用对象与能力边界
该模板面向iDRAC 7 及更新版本的 Dell 服务器,通过 Zabbix 原生 SNMP agent 采集数据,不依赖任何外部脚本。它对应的模板实体名为 Dell iDRAC by SNMP,归属于 Templates/Server hardware 模板组,由官方模板工具 "Templator" 生成(见 template_server_dell_idrac_snmp.yaml)。
- Zabbix 版本要求:8.0 及以上。
- MIB 依赖:
IDRAC-MIB-SMIv2(硬件传感器与部件状态)、SNMPv2-MIB(系统基础信息)、SNMP-FRAMEWORK-MIB(SNMP 引擎运行时间)、HOST-RESOURCES-MIB。 - 官方测试过的机型:iDRAC7(PowerEdge R620)、iDRAC8(PowerEdge R730xd、R720)、iDRAC9(PowerEdge R660xs、R750xs)。这代表模板已验证的兼容范围,其他 iDRAC 7+ 机型通常也可直接使用。
监控能力矩阵
| 维度 | 覆盖内容 |
|---|---|
| 系统级 | 整体健康汇总、硬件型号、序列号(服务标签)、BIOS/固件版本、操作系统名、网络/硬件运行时间 |
| 环境传感器 | 温度探测(温度值 + 状态)、电压探测(电压值 + 状态)、风扇(状态 + RPM 转速) |
| 电源 | 每块 PSU 的运行状态 |
| 存储 | RAID 控制器、阵列缓存电池、物理磁盘(含 S.M.A.R.T.)、虚拟磁盘(状态/RAID 布局/容量/读写策略/操作状态) |
| 计算 | CPU 状态与探测标志、每条内存的状态与容量 |
| 网络 | 网卡状态、链路状态 |
| 其他 | SNMP 陷阱回退采集、SNMP agent 可用性 |
二、工作原理:SNMP Walk + 依赖项的两层采集架构
从模板 YAML 的源码结构可以清晰看出,该模板采用 Zabbix 8.0 官方模板典型的**"SNMP Walk 主采集 + 依赖项(Dependent item)二次加工"**架构:
-
主采集层(Master Items):模板定义了 12 个类型为
SNMP_AGENT的 SNMP Walk 项(key 以.walk结尾),一次性对 iDRAC 的各 MIB 表执行walk[...],将整表原始数据以 TEXT 存入(history: '0',不保存历史,仅作为数据源)。例如:dell.server.sensor.temp.walk:walk[1.3.6.1.4.1.674.10892.5.4.700.20.1.1, ... .8, ... .6, ... .5],对应temperatureProbeTable;dell.server.fan.walk:walk[1.3.6.1.4.1.674.10892.5.4.700.12.1.5, ... .8, ... .7, ... .6],对应coolingDeviceTable;dell.server.disk.physical.walk:walk[1.3.6.1.4.1.674.10892.5.5.1.20.130.4.1.1, .2, .24, .31, .6, .7, .35, .11],一次 walk 覆盖物理磁盘表的状态、S.M.A.R.T.、型号、序列号、介质类型、容量等 8 个列。
-
依赖加工层(Dependent Items):每个具体监控项(如
dell.server.sensor.temp.value[temperatureProbeReading.{#SNMPINDEX}])都是依赖项,通过master_item指向对应的 walk 项,并使用SNMP walk value预处理步骤按{#SNMPINDEX}从整表 JSON 中精确提取所需列的值。 -
LLD 发现规则:12 个发现规则(key 如
temp.discovery、psu.discovery、fan.discovery)同样以 walk 项为master_item,通过SNMP walk to JSON预处理把 MIB 表转为 JSON 并生成{#SNMPINDEX}、{#SENSOR_LOCALE}、{#FAN_DESCR}、{#CNTLR_NAME}等宏,进而动态创建每个传感器/部件对应的原型监控项。
该设计的优势在于:一次 SNMP Walk 承载全部数据,避免对 iDRAC 发起大量独立 SNMP 请求,显著降低对带外管理卡的轮询压力,这正是"无外部脚本、高可扩展"能力的底层来源。
三、部署与前置条件
- 导入模板:在 Zabbix 前端"数据采集 → 模板"中导入 template_server_dell_idrac_snmp.yaml。
- 主机配置:创建主机时链接
Dell iDRAC by SNMP模板,为该主机配置 SNMP 接口(iDRAC 的带外管理 IP),并设置正确的 SNMP 版本与团体名(Community)。iDRAC 侧的 SNMP 服务需启用,具体开启方法请参考戴尔官方文档(原文档 Setup 一节即指引用户参考厂商文档)。 - 模板自身配置:Zabbix 需按照官方《Templates out of the box》手册为模板启用相应配置,宏参数按下一节说明按需调整。
- 验证:导入并链接后,等待 1-2 个轮询周期,检查"最新数据"中 walk 项是否有数据、各发现规则是否成功创建原型监控项。
四、宏详解:37 个可调参数全解析
该模板通过宏将阈值与过滤逻辑全部参数化。按 YAML 中宏定义的 section_name 分组,可分为 Filters(LLD 过滤器)、Thresholds(健康阈值) 与 Other(其余触发阈值) 三类。下表完整列出全部宏(含默认值),数值类宏在 YAML 中均带正则约束 ^-?([0-9]+|(([0-9]+)\.([0-9]+)))$(即仅允许整数或小数)。
Filters 组:电压探测发现过滤器
| 宏 | 说明 | 默认值 |
|---|---|---|
{$DELL.SNMP.DISCOVERY.VOLTAGE.NAME.MATCHES} |
允许纳入发现的电压探测名称正则 | ^.*Voltage.*$ |
{$DELL.SNMP.DISCOVERY.VOLTAGE.NAME.NOT_MATCHES} |
忽略的电压探测名称正则 | CHANGE_IF_NEEDED |
{$DELL.SNMP.DISCOVERY.VOLTAGE.TYPE.MATCHES} |
允许纳入发现的电压探测类型正则 | 18|16 |
{$DELL.SNMP.DISCOVERY.VOLTAGE.TYPE.NOT_MATCHES} |
忽略的电压探测类型正则 | CHANGE_IF_NEEDED |
说明:18|16 表示只发现类型 18(电压)与 16(电压探测读数)对应的探测项;CHANGE_IF_NEEDED 是占位符,表示"默认不过滤、按需修改"。
Thresholds 组:整体健康状态阈值
| 宏 | 说明 | 默认值 |
|---|---|---|
{$DELL.SNMP.HEALTH.STATUS.DISASTER} |
健康"灾难/不可恢复"状态值 | 6 |
{$DELL.SNMP.HEALTH.STATUS.CRIT} |
健康"严重"状态值 | 5 |
{$DELL.SNMP.HEALTH.STATUS.WARN} |
健康"警告"状态值 | 4 |
这三个宏对应 IDRAC-MIB-SMIv2::ObjectStatusEnum 值映射(Other=1、Unknown=2、OK=3、Non-critical=4、Critical=5、Non-recoverable=6)。
Other 组:传感器与部件触发阈值
| 宏 | 说明 | 默认值 |
|---|---|---|
{$DELL.SNMP.SENSOR.TEMP.STATUS.OK} |
温度探测 OK 状态值 | 3 |
{$DELL.SNMP.SENSOR.TEMP.STATUS.WARN:"nonCriticalUpper"} |
温度上非临界警告 | 4 |
{$DELL.SNMP.SENSOR.TEMP.STATUS.WARN:"nonCriticalLower"} |
温度下非临界警告 | 7 |
{$DELL.SNMP.SENSOR.TEMP.STATUS.CRIT:"criticalUpper"} |
温度上临界严重 | 5 |
{$DELL.SNMP.SENSOR.TEMP.STATUS.CRIT:"nonRecoverableUpper"} |
温度上不可恢复严重 | 6 |
{$DELL.SNMP.SENSOR.TEMP.STATUS.CRIT:"criticalLower"} |
温度下临界严重 | 8 |
{$DELL.SNMP.SENSOR.TEMP.STATUS.CRIT:"nonRecoverableLower"} |
温度下不可恢复严重 | 9 |
{$DELL.SNMP.PSU.STATUS.WARN:"nonCritical"} |
PSU 警告值 | 4 |
{$DELL.SNMP.PSU.STATUS.CRIT:"critical"} |
PSU 严重值 | 5 |
{$DELL.SNMP.PSU.STATUS.CRIT:"nonRecoverable"} |
PSU 不可恢复值 | 6 |
{$DELL.SNMP.FAN.STATUS.WARN:"nonCriticalUpper"} |
风扇上非临界警告 | 4 |
{$DELL.SNMP.FAN.STATUS.WARN:"nonCriticalLower"} |
风扇下非临界警告 | 7 |
{$DELL.SNMP.FAN.STATUS.CRIT:"criticalUpper"} |
风扇上临界严重 | 5 |
{$DELL.SNMP.FAN.STATUS.CRIT:"nonRecoverableUpper"} |
风扇上不可恢复严重 | 6 |
{$DELL.SNMP.FAN.STATUS.CRIT:"criticalLower"} |
风扇下临界严重 | 8 |
{$DELL.SNMP.FAN.STATUS.CRIT:"nonRecoverableLower"} |
风扇下不可恢复严重 | 9 |
{$DELL.SNMP.FAN.STATUS.CRIT:"failed"} |
风扇故障值 | 10 |
{$DELL.SNMP.DISK.ARRAY.STATUS.FAIL} |
RAID 控制器不可恢复状态 | 6 |
{$DELL.SNMP.DISK.ARRAY.STATUS.CRIT} |
RAID 控制器严重状态 | 5 |
{$DELL.SNMP.DISK.ARRAY.STATUS.WARN} |
RAID 控制器警告状态 | 4 |
{$DELL.SNMP.DISK.ARRAY.CACHE.BATTERY.STATUS.CRIT} |
阵列缓存电池严重状态 | 3 |
{$DELL.SNMP.DISK.ARRAY.CACHE.BATTERY.STATUS.WARN} |
阵列缓存电池警告状态 | 4 |
{$DELL.SNMP.DISK.ARRAY.CACHE.BATTERY.STATUS.OK} |
阵列缓存电池正常状态 | 2 |
{$DELL.SNMP.VDISK.STATUS.CRIT:"failed"} |
虚拟磁盘严重(failed)状态 | 3 |
{$DELL.SNMP.VDISK.STATUS.WARN:"degraded"} |
虚拟磁盘警告(degraded)状态 | 4 |
{$DELL.SNMP.DISK.STATUS.WARN:"nonCritical"} |
物理磁盘警告状态 | 4 |
{$DELL.SNMP.DISK.STATUS.FAIL:"critical"} |
物理磁盘严重状态 | 5 |
{$DELL.SNMP.DISK.STATUS.FAIL:"nonRecoverable"} |
物理磁盘不可恢复状态 | 6 |
{$DELL.SNMP.DISK.SMART.STATUS.FAIL} |
物理磁盘 S.M.A.R.T. 严重标志 | 1 |
{$DELL.SNMP.TIMEOUT} |
SNMP 可用性触发器判断的时间窗 | 5m |
{$DELL.SNMP.IFCONTROL} |
网卡链路告警开关(见下文上下文宏用法) | 1 |
带引号的宏(如
{$DELL.SNMP.FAN.STATUS.CRIT:"failed"})属于带上下文(context)的宏,其引号内文本用于区分同族宏的用途。它们与 LLD 宏(如{#FAN_DESCR})结合时还可进一步形成"宏 × 发现对象"的上下文宏,例如{$DELL.SNMP.IFCONTROL:"{#NIC_FQDD}"}=0可单独关闭某块网卡的链路告警。
五、基础监控项(非发现类)与 OID 全表
模板内置的固定监控项(含 YAML 中的实际 SNMP OID)如下。所有 "Discard unchanged with heartbeat" 预处理用于抑制重复数据入库,降低存储压力。
| 监控项名称 | key | 类型 | SNMP OID / 说明 |
|---|---|---|---|
| Overall system health status | dell.server.status[globalSystemStatus] |
SNMP agent | get[1.3.6.1.4.1.674.10892.5.2.1.0],iDRAC 对全系统的汇总健康(系统/存储/IO/iDRAC/CPU/内存等),值映射 ObjectStatusEnum,心跳 6h |
| Hardware model name | dell.server.hw.model[systemModelName] |
SNMP agent | get[1.3.6.1.4.1.674.10892.5.1.3.12.0],自动回填资产"型号",心跳 6h |
| Hardware serial number | dell.server.hw.serialnumber[systemServiceTag] |
SNMP agent | get[1.3.6.1.4.1.674.10892.5.1.3.2.0],服务标签,回填资产"序列号",心跳 6h |
| Operating system | dell.server.sw.os[systemOSName] |
SNMP agent | get[1.3.6.1.4.1.674.10892.5.1.3.6.0],回填资产"操作系统",心跳 1d |
| Firmware version | dell.server.hw.firmware[racFirmwareVersion] |
SNMP agent | get[1.3.6.1.4.1.674.10892.5.1.1.8.0],iDRAC 固件版本,心跳 1d |
| Uptime (network) | dell.server.net.uptime[snmpEngineTime] |
SNMP agent | get[1.3.6.1.6.3.10.2.1.3.0](SNMP-FRAMEWORK-MIB),单位 uptime |
| Uptime (hardware) | dell.server.hw.uptime[systemPowerUpTime] |
SNMP agent | get[1.3.6.1.4.1.674.10892.5.2.5.0],系统加电秒数,单位 uptime |
| SNMP traps (fallback) | snmptrap.fallback |
SNMP trap | 收集未被其他 snmptrap 项匹配的所有陷阱,类型 LOG |
| System location | dell.server.location[sysLocation] |
SNMP agent | get[1.3.6.1.2.1.1.6.0](SNMPv2-MIB),回填资产"位置",心跳 6h |
| System contact details | dell.server.contact[sysContact] |
SNMP agent | get[1.3.6.1.2.1.1.4.0](SNMPv2-MIB),回填资产"联系人",心跳 1d |
| System object ID | dell.server.objectid[sysObjectID] |
SNMP agent | get[1.3.6.1.2.1.1.2.0](SNMPv2-MIB),心跳 6h |
| System name | dell.server.name[sysName] |
SNMP agent | get[1.3.6.1.2.1.1.5.0](SNMPv2-MIB),回填资产"名称",心跳 6h |
| System description | dell.server.descr[sysDescr] |
SNMP agent | get[1.3.6.1.2.1.1.1.0](SNMPv2-MIB),心跳 1d |
| SNMP agent availability | zabbix[host,snmp,available] |
Zabbix internal | 0-不可用 / 1-可用 / 2-未知,值映射 zabbix.host.available |
| Memory, total size | dell.server.memory.size.total |
Calculated | 计算项 sum(last_foreach(//dell.server.memory.size[*])),单位 B,心跳 6h |
| BIOS version | dell.server.bios.version |
SNMP agent | get[1.3.6.1.4.1.674.10892.5.4.300.50.1.8.1.1],心跳 6h |
| SNMP walk Temperature/PSU/Fan/RAID/Battery/Physical disk/Virtual disk/Network/CPU/Memory/System battery/Voltage 表 | 各 .walk key |
SNMP agent | 分别 walk 对应 MIB 表(详见第二节),history: '0',仅作数据源 |
六、固定触发器:系统级告警
| 触发器 | 表达式要点 | 级别 | 特性 |
|---|---|---|---|
| System is in unrecoverable state | last(...status[globalSystemStatus])={$DELL.SNMP.HEALTH.STATUS.DISASTER} |
High | 整体健康=6(不可恢复) |
| System status is in critical state | last(...)={$DELL.SNMP.HEALTH.STATUS.CRIT} |
Average | 整体健康=5 |
| System status is in warning state | last(...)={$DELL.SNMP.HEALTH.STATUS.WARN} |
Warning | 依赖"critical state"触发器(去重) |
| Device has been replaced | 序列号 #1 <> #2 且长度>0 |
Info | 需手动关闭 |
| Operating system description has changed | OS 名 #1 <> #2 且长度>0 |
Info | 需手动关闭 |
| Firmware has changed | 固件版本 #1 <> #2 且长度>0 |
Info | 需手动关闭 |
| Host has been restarted | 硬件 uptime >0 且 <10m,或为 0 时网络 uptime <10m |
Warning | 需手动关闭 |
| System name has changed | 系统名 #1 <> #2 且长度>0 |
Info | 需手动关闭 |
| No SNMP data collection | max(/Dell iDRAC by SNMP/zabbix[host,snmp,available],{$DELL.SNMP.TIMEOUT})=0 |
Warning | 默认 5 分钟内 SNMP 不可用即告警 |
| Memory amount has changed | change(/Dell iDRAC by SNMP/dell.server.memory.size.total)>0 |
Average | 内存容量变动(疑似硬件变更) |
这些触发器共同构成"资产变更审计 + 可用性 + 健康分级"三层次的系统级告警:序列号、OS、固件、系统名变更用于识别设备被替换或更新;重启触发器用于识别意外重启;健康三级触发器用于日常故障分级上报。
七、LLD 发现规则逐条详解
模板的核心是 12 条自动发现规则,每条由"发现规则(SNMP walk to JSON)→ 原型监控项(SNMP walk value 提取)→ 原型触发器"三件套组成。以下逐条给出原型项的关键 OID 与触发逻辑。
1. 温度探测发现(Temperature discovery)
- 发现 key:
temp.discovery,源dell.server.sensor.temp.walk,预处理"SNMP walk to JSON" + 心跳 6h。 - 原型项:
dell.server.sensor.temp.value[temperatureProbeReading.{#SNMPINDEX}]:取值 OID1.3.6.1.4.1.674.10892.5.4.700.20.1.6.{#SNMPINDEX},自定义倍率 0.1(MIB 返回 0.1℃ 刻度),心跳 6h;dell.server.sensor.temp.status[temperatureProbeStatus.{#SNMPINDEX}]:取值 OID1.3.6.1.4.1.674.10892.5.4.700.20.1.5.{#SNMPINDEX},心跳 6h。
- 温度状态枚举(MIB 定义,触发器即据此判断):other(1)、unknown(2)、ok(3)、nonCriticalUpper(4)、criticalUpper(5)、nonRecoverableUpper(6)、nonCriticalLower(7)、criticalLower(8)、nonRecoverableLower(9)、failed(10)。
- 原型触发器(级别 Average/Warning/Info):临界状态命中 4 个严重值之一 → Average;警告状态命中 2 个非临界值之一 → Warning(依赖 Critical);
status <> OK→ Info(需手动关闭,依赖上两级)。
2. 电源发现(PSU discovery)
- 发现 key:
psu.discovery,源dell.server.psu.walk。 - 原型项
dell.server.sensor.psu.status[powerSupplyStatus.{#SNMPINDEX}]:取值 OID1.3.6.1.4.1.674.10892.5.4.600.12.1.5.{#SNMPINDEX},心跳 6h。 - 原型触发器:状态命中 critical(5) 或 nonRecoverable(6) → Average(Critical state);命中 nonCritical(4) → Warning(依赖 Critical)。
3. 风扇发现(Fan discovery)
- 发现 key:
fan.discovery,源dell.server.fan.walk。发现规则含 filter 条件{#TYPE}=3(仅发现类型为"风扇"的冷却设备),并解析出{#FAN_DESCR}(名称,OID...700.12.1.8)等宏。 - 原型项:
dell.server.sensor.fan.status[{#FAN_DESCR}]:取值 OID1.3.6.1.4.1.674.10892.5.4.700.12.1.5.{#SNMPINDEX},值映射StatusProbeEnum,心跳 6h;dell.server.sensor.fan.speed[{#FAN_DESCR}]:取值 OID1.3.6.1.4.1.674.10892.5.4.700.12.1.6.{#SNMPINDEX},单位 rpm(离散型冷却设备可能返回 OFF/ON)。
- 图形原型:自动为每个风扇生成
Dell iDRAC: Fan [{#FAN_DESCR}]: Speed折线图(见 YAMLgraph_prototypes,颜色199C0D)。 - 原型触发器:Critical state(命中 5 个严重值,含 failed=10)→ Average;Warning state(2 个非临界值)→ Warning(依赖 Critical)。
4. RAID 控制器发现(Array controller discovery)
- 发现 key:
array.discovery,源dell.server.array.controller.walk。预处理含 错误处理DISCARD_VALUE(walk 无数据时丢弃发现,避免误报空表)。 - 原型项:
dell.server.hw.diskarray.model[controllerName.{#SNMPINDEX}]:OID1.3.6.1.4.1.674.10892.5.5.1.20.130.1.1.2.{#SNMPINDEX},心跳 6h;dell.server.hw.diskarray.status[controllerComponentStatus.{#SNMPINDEX}]:OID1.3.6.1.4.1.674.10892.5.5.1.20.130.1.1.38.{#SNMPINDEX},值映射ObjectStatusEnum(Other=1/Unknown=2/OK=3/Non-critical=4/Critical=5/Non-recoverable=6),心跳 6h。
- 原型触发器:状态=6 → High(Unrecoverable);=5 → Average(依赖 Unrecoverable);=4 → Warning(依赖 Critical + Unrecoverable)。
5. 阵列缓存电池发现(Battery discovery)
- 发现 key:
battery.discovery,源dell.server.battery.walk,同样带 DISCARD_VALUE 错误处理。 - 原型项
dell.server.hw.battery.status[batteryState.{#SNMPINDEX}]:OID1.3.6.1.4.1.674.10892.5.5.1.20.130.15.1.4.{#SNMPINDEX},值映射batteryState(1-无法确定 / 2-正常 / 3-故障需更换 / 4-温度高或电量低 / 5-缺失 / 6-充电中 / 7-电压或电量低于阈值),心跳 6h。 - 原型触发器:=3(CRIT)→ Average;=4(WARN)→ Warning(依赖 Critical);
<>2(非最优)→ Info(依赖两级)。
6. 物理磁盘发现(Physical disk discovery)
- 发现 key:
physicaldisk.discovery,源dell.server.disk.physical.walk,DISCARD_VALUE 错误处理。 - 原型项(均心跳 6h):
- Status:OID
...130.4.1.24.{#SNMPINDEX},值映射ObjectStatusEnum; - S.M.A.R.T. Status:OID
...130.4.1.31.{#SNMPINDEX}(physicalDiskSmartAlertIndication,预测性故障告警标志); - Serial number:OID
...130.4.1.7.{#SNMPINDEX}; - Model name:OID
...130.4.1.6.{#SNMPINDEX}; - Media type:OID
...130.4.1.35.{#SNMPINDEX}(1-未知 / 2-HDD / 3-SSD); - Size:OID
...130.4.1.11.{#SNMPINDEX}(MB),自定义倍率 1048576 换算为字节。
- Status:OID
- 原型触发器:
- Failed state(=5 或 =6)→ High;
- Warning state(=4)→ Warning(依赖 Failed);
- S.M.A.R.T. failed:
physicalDiskSmartAlertIndication命中replaceDrive或replaceDriveSSDWearOut→ High(依赖 Failed); - Disk has been replaced:序列号
#1 <> #2且长度>0 → Info(需手动关闭)。
7. 虚拟磁盘发现(Virtual disk discovery)
- 发现 key:
virtualdisk.discovery,源dell.server.disk.virtual.walk,DISCARD_VALUE 错误处理。 - 原型项:
- Status:OID
...140.1.1.4.{#SNMPINDEX}(virtualDiskState,1-无法确定 / 2-正常或最优 / 3-已故障数据丢失 / 4-冗余盘失效数据可能失去容错),心跳 6h; - Layout type:OID
...140.1.1.13.{#SNMPINDEX}(RAID 类型枚举:2=RAID-0、3=RAID-1、4=RAID-5、5=RAID-6、6=RAID-10、7=RAID-50、8=RAID-60、9/10=级联 RAID),心跳 6h; - Size:OID
...140.1.1.6.{#SNMPINDEX}(MB),倍率 1048576; - Operational state:OID
...140.1.1.30.{#SNMPINDEX}(1-无操作 / 2-配置变更 / 3-一致性检查 / 4-初始化中 / 5-后台初始化 BGI),心跳 3m; - Read/Write policy:OID
...140.1.1.11/...140.1.1.10(读:1-No Read Ahead/2-Read Ahead/3-Adaptive;写:1-Write Through/2-Write Back/3-Force Write Back),心跳 1h。
- Status:OID
- 原型触发器:=3(failed)→ High;=4(degraded)→ Warning(依赖 Failed)。
8. 网络接口发现(Network interface discovery)
- 发现 key:
net.if.discovery,源dell.server.net.if.walk。 - 原型项:
dell.server.net.if.link[{#NIC_FQDD}]:OID1.3.6.1.4.1.674.10892.5.4.1100.90.1.4.1.{#SNMPINDEX},值映射NetworkDeviceConnectionStatusEnum,心跳 6h;dell.server.net.if.status[{#NIC_FQDD}]:OID1.3.6.1.4.1.674.10892.5.4.1100.90.1.3.1.{#SNMPINDEX},值映射ObjectStatusEnum,心跳 6h。
- 原型触发器(注意其精巧的上下文宏 + diff 逻辑):
- Link down(Average,需手动关闭):表达式
{$DELL.SNMP.IFCONTROL:"{#NIC_FQDD}"}=1 and last(...,#1)<>1 and last(...,#1)<>last(...,#2),并配恢复表达式last(...,#1)=1 or {$DELL.SNMP.IFCONTROL:"{#NIC_FQDD}"}=0。其设计意图(YAML 中触发器描述原话):只有把该接口的上下文宏置为 1 时才参与告警;#1<>#2保证"曾经 up 过"的接口掉线才告警,避免对"常年关闭"接口误报。 - Status is not OK(Average):
last(...,#1)<>3,即网卡整体状态非 OK。
- Link down(Average,需手动关闭):表达式
9. CPU 状态发现(CPU status discovery)
- 发现 key:
cpu.discovery,源dell.server.cpu.walk,通过{#CPU_FQDD}宏命名。 - 原型项:
dell.server.cpu.status[cpu.{#SNMPINDEX}]:OID1.3.6.1.4.1.674.10892.5.4.1100.32.1.5.{#SNMPINDEX},值映射ObjectStatusEnum,心跳 6h;dell.server.cpu.state[cpu.{#SNMPINDEX}]:OID1.3.6.1.4.1.674.10892.5.4.1100.32.1.6.{#SNMPINDEX},值映射ProcessorDeviceStatusReadingFlags(位标志),心跳 6h。
- 原型触发器:
- Status is not OK:
last(...,#1)<>3→ Average; - Reading error:
bitand(last(...,#1),128)=0→ Average。这里用位运算检查第 8 位(值 128),即processorPresent标志未被置位,说明该 CPU 探测标志指示处理器不存在/读数异常。
- Status is not OK:
10. 系统电池发现(System battery discovery)
- 发现 key:
system.battery.discovery,源dell.server.system.battery.walk。 - 原型项
dell.server.system.battery[{#SNMPVALUE}]:OID1.3.6.1.4.1.674.10892.5.4.600.50.1.5.1.{#SNMPINDEX},心跳 6h。 - 原型触发器:Status is not OK:
last(...,#1)<>3→ Average。
11. 内存发现(Memory discovery)
- 发现 key:
memory.discovery,源dell.server.memory.walk。 - 原型项:
dell.server.memory.status[{#SNMPVALUE}]:OID1.3.6.1.4.1.674.10892.5.4.1100.50.1.5.1.{#SNMPINDEX},值映射ObjectStatusEnum,心跳 6h;dell.server.memory.size[{#SNMPVALUE}]:OID1.3.6.1.4.1.674.10892.5.4.1100.50.1.14.1.{#SNMPINDEX}(KB),倍率 1024 换算为字节,心跳 6h。MIB 语义:0 表示未安装内存,2147483647 表示容量未知。
- 原型触发器:Status is not OK:
last(...,#1)<>3→ Average。该原型项同时是计算项dell.server.memory.size.total(sum(last_foreach(...)))的数据来源,实现全机内存总量汇总。
12. 电压探测发现(Voltage probe discovery)
- 发现 key:
voltage.discovery,源dell.server.voltage.walk。发现过滤受 Filters 组四个宏控制(名称匹配^.*Voltage.*$、类型匹配18|16)。 - 原型项:
dell.server.voltage.value[{#VPROBE_NAME}]:OID1.3.6.1.4.1.674.10892.5.4.600.20.1.6.1.{#SNMPINDEX},倍率 0.001(毫伏转伏);dell.server.voltage.status[{#VPROBE_NAME}]:OID1.3.6.1.4.1.674.10892.5.4.600.20.1.5.1.{#SNMPINDEX}。
- 原型触发器:Status is not OK:
last(...,#1)<>3→ Average。
八、内置仪表盘:开箱即用的硬件总览
模板自带的 Overview 仪表盘(YAML dashboards 节,template_server_dell_idrac_snmp.yaml)分两页:
- Overview 页:四个大字号数值卡片,直接呈现
System health(整体健康)、Serial number、HW model、Firmware,并联动对应监控项实现"一屏看资产"。 - Discoveries 页:六个 honeycomb(蜂巢图) 组件,按发现对象分块展示:
Interface link(网卡链路,阈值 1/2/3 三色)、Temperature sensors、Physical disks(0/3/4 三色阈值)、Power supplies(电压探测)、Virtual disks(1/2/3 三色)、Fans(0/3/4 三色)。每个蜂巢以{{ITEM.NAME}.regsub(...)}提取方括号中的部件名作为标签,实现"一机多部件"的拓扑式可视化。
九、运维调参要点与最佳实践
- 发现过滤器优先于触发屏蔽:对不需要监控的电压探测,优先在 Filters 组宏中调整正/反向正则(如
{$DELL.SNMP.DISCOVERY.VOLTAGE.NAME.NOT_MATCHES}),而非事后手动停用原型项,避免每次 LLD 刷新时产生"僵尸"监控项。 - 善用上下文宏精细化告警:对不重要网卡,将
{$DELL.SNMP.IFCONTROL:"{#NIC_FQDD}"}覆盖为 0,即可单独豁免其 Link down 告警(模板自带的恢复表达式已内置该逻辑)。 - 理解位标志类监控项:CPU 的 Reading error 触发器使用
bitand(...,128)检测processorPresent位,此类监控项不能仅看数值大小,需结合 MIB 位定义判断。 - 重视单位与倍率预处理:温度探测 ×0.1、电压探测 ×0.001、磁盘容量 ×1048576、内存容量 ×1024,模板已内置换算,直接以标准单位(℃、V、B)展示,无需再在图表层二次换算。
- 空表保护:RAID 控制器、电池、物理/虚拟磁盘四个发现规则均配置了
DISCARD_VALUE错误处理,当 walk 返回空(如未接磁盘阵列)时直接丢弃发现结果,避免生成大量无意义的"状态未知"告警。 - 资产变更告警需要人工确认:设备更换、OS/固件/系统名变更、主机重启等触发器均标记"需手动关闭",用于审计留痕,避免自动恢复掩盖真实变更。
十、源码研读指引
如需进一步研究模板实现,推荐直接阅读:
- 模板说明文档:官方发布的完整参数与触发器清单;
- 模板定义文件:2800+ 行的机器可读定义,其中 宏定义区(约 1861 行起) 含各宏的优先级、分组与正则约束,仪表盘区(约 2237 行起) 含全部蜂巢图阈值配置,各发现规则的
SNMP_WALK_TO_JSON预处理参数可直接反推 LLD 宏的生成来源; - 仓库其余 Dell 硬件模板(如
templates/server/dell/、templates/server/hp/等)可作为同类带外管理监控方案的横向对比参考。
该模板的价值在于:以纯 SNMP 协议、零脚本依赖,把 iDRAC 带外管理卡暴露的数百个 MIB 对象收敛为"发现 + 依赖 + 触发器"的层次化监控模型,既覆盖了机房巡检最关心的温度、电压、风扇、磁盘阵列健康,又通过资产变更触发器为服务器生命周期的变更审计提供了依据,是 Zabbix 监控物理服务器硬件的成熟参考实现。