Zabbix 官方模板深度解析:使用 SNMP 零脚本监控 DELL PowerEdge R720 服务器硬件

原创2026-10-09 22:43:291,913 阅读
文章标签:运维指标监控可观测性告警监控大盘APM日志分析后端前端消息队列高可用分布式数据库

Zabbix 官方模板深度解析:使用 SNMP 零脚本监控 DELL PowerEdge R720 服务器硬件

本文基于 Zabbix 官方仓库中的 DELL PowerEdge R720 by SNMP 模板(位于 templates/server/dell/dell_r720_snmp/),系统讲解如何通过 Zabbix SNMP agent 与 iDRAC 7 及以上版本配合,在无需任何外部脚本的情况下完成对 R720 服务器温度、风扇、电源、RAID 阵列、物理/虚拟磁盘、网络接口、CPU、内存、电压探针的全方位硬件健康监控。读完本文,你将掌握该模板的 36 个用户宏语义、全部基础监控项与触发器表达式、10 类低级别发现(LLD)规则的过滤与取值机制,并能够据此将其部署到生产环境或按需定制。

一、模板概览:适用对象、版本要求与 MIB 基础

1.1 模板定位

该模板专门面向 DELL PowerEdge R720 机架式服务器,通过服务器带外管理卡 iDRAC(Integrated Dell Remote Access Controller)7 及以上版本暴露的 SNMP 接口采集硬件状态。其核心设计目标正如 README 所述:"works without any external scripts"——即不依赖任何外部脚本或 Agent 插件,所有数据采集均由 Zabbix 原生 SNMP agent 检查完成。

从仓库中的模板导出文件 template_server_dell_r720_snmp.yaml 可以看到模板的元数据定义:

zabbix_export:
  version: '8.0'
  template_groups:
    - uuid: e960332b3f6c46a1956486d4f3f99fce
      name: 'Templates/Server hardware'
  templates:
    - uuid: fe5b8448661f41b9a6d948fccd7f9045
      template: 'DELL PowerEdge R720 by SNMP'

模板归属于 Templates/Server hardware 组,zabbix_export 版本为 8.0,与"Zabbix 8.0 及以上版本"的要求一致。YAML 中标注 wizard_ready: 'YES',说明该模板已通过官方"Templator"工具生成并具备向导就绪状态。

1.2 版本与测试前提

  • Zabbix 版本要求:8.0 及以上。
  • 测试机型:官方仅声明在 DELL PowerEdge R720 上完成测试(README "Tested versions" 一节)。
  • iDRAC 版本:iDRAC 7 及以后版本。
  • 启用前提:Zabbix 需按照"开箱即用模板"(Templates out of the box)的标准流程启用 SNMP 轮询(即主机的 SNMP 接口已正确配置、社区字符串与 iDRAC 侧一致)。

1.3 依赖的 MIB

模板 YAML 的 description 字段明确列出了用到的三个 MIB:

  • IDRAC-MIB-SMIv2:核心数据源,几乎所有硬件探针(温度、电压、风扇、电源、CPU、内存、RAID、磁盘、网络设备)的表结构都来自该 MIB(OID 前缀 1.3.6.1.4.1.674.10892);
  • SNMPv2-MIB:用于系统级对象(sysDescr、sysName、sysObjectID、sysLocation、sysContact,OID 前缀 1.3.6.1.2.1.1);
  • SNMP-FRAMEWORK-MIB:网络侧 uptime 取自 snmpEngineTime(OID 1.3.6.1.6.3.10.2.1.3.0);
  • 模板 description 中还列入了 HOST-RESOURCES-MIB,说明其设计也兼容通用主机资源信息。

二、工作原理:SNMP Walk + 依赖项 + 预处理的四层数据流水线

从源码结构看,该模板采用了一套高度统一的数据采集架构,理解它是用好模板的关键:

  1. SNMP Walk 主项(Master Item):模板为每类硬件表定义一个 SNMP agent 类型的 walk 项,例如 dell.server.sensor.temp.walk、dell.server.psu.walk、dell.server.fan.walk、dell.server.disk.physical.walk 等。它们一次性地对 IDRAC-MIB-SMIv2 的整张表做 SNMP walk,将原始文本写入 TEXT 类型值(history: '0' 表示不保留历史,只作数据源),并打上 component: raw 标签。
  2. 低级别发现(LLD):每个 LLD 规则都是 Dependent item(依赖项),以对应的 walk 项为主项,预处理链为 SNMP walk to JSON(把 walk 结果解析成 JSON,生成 {#SNMPINDEX} 等宏)→ Discard unchanged with heartbeat: 6h。
  3. 监控项原型(Item Prototype):LLD 规则下的每个具体监控项同样是依赖项,通过预处理 SNMP walk value: <具体OID>.<{#SNMPINDEX}> 从 walk 结果中按索引取出对应字段。
  4. 数值/状态归一化:部分项继续叠加 Custom multiplier(如温度乘 0.1、内存乘 1024、磁盘容量乘 1048576),并通过 value map(如 IDRAC-MIB-SMIv2::ObjectStatusEnum、StatusProbeEnum)把数字状态码翻译成可读文本;最终再以 Discard unchanged with heartbeat 降低入库频率。

以温度探针为例,YAML 中的完整链路为(template_server_dell_r720_snmp.yaml):

- name: 'Temperature discovery'
  type: DEPENDENT
  key: temp.discovery
  item_prototypes:
    - name: 'Probe [{#SENSOR_LOCALE}]: Value'
      type: DEPENDENT
      key: 'dell.server.sensor.temp.value[temperatureProbeReading.{#SNMPINDEX}]'
      units: °C
      preprocessing:
        - type: SNMP_WALK_VALUE
          parameters: ['1.3.6.1.4.1.674.10892.5.4.700.20.1.6.{#SNMPINDEX}', '0']
        - type: MULTIPLIER
          parameters: ['0.1']
        - type: DISCARD_UNCHANGED_HEARTBEAT
          parameters: ['6h']
      master_item:
        key: dell.server.sensor.temp.walk

这套"单次 walk + 按索引取值"的架构,使得一次网络往返即可获取整表数据,再在 Zabbix 侧完成解析与归一化,既减少了对 iDRAC 的轮询压力,也实现了完全无脚本化。

三、部署配置:在 Zabbix 中接入模板

3.1 导入与关联

  • 通过 Zabbix 前端"Configuration → Templates"导入 template_server_dell_r720_snmp.yaml(或直接从模板市场获取);
  • 将模板关联到目标主机,并为该主机配置 SNMP 接口(IP、端口 161、SNMP 版本 v2c/v3 及认证信息);
  • 服务器侧需在 iDRAC 中开启 SNMP 服务,保证 iDRAC 固件与 MIB 定义一致(README 建议参考厂商文档完成带外配置)。

3.2 模板自带的基础保护

模板内置了 SNMP 可用性监控项 zabbix[host,snmp,available](Zabbix internal 类型),其取值约定:0 - 不可用,1 - 可用,2 - 未知;配套触发器"Dell R720: No SNMP data collection"在 max(...,{$DELL.SNMP.TIMEOUT})=0 时以 Warning 级别告警,提示排查设备连通性与 SNMP 设置。

四、用户宏详解:36 个可调参数

模板在 YAML 的 macros 段统一定义了全部用户宏,并按用途归类(过滤器 Filters / 其它 Other 两个 section),其中四个发现过滤器宏还配置了 UI 标签与优先级。完整清单如下:

宏名 说明 默认值
{$DELL.SNMP.DISCOVERY.VOLTAGE.NAME.MATCHES} 电压探针发现的名字允许正则 ^.*Voltage.*$
{$DELL.SNMP.DISCOVERY.VOLTAGE.NAME.NOT_MATCHES} 电压探针发现的名字忽略正则 CHANGE_IF_NEEDED
{$DELL.SNMP.DISCOVERY.VOLTAGE.TYPE.MATCHES} 电压探针发现的类型允许正则 18|16
{$DELL.SNMP.DISCOVERY.VOLTAGE.TYPE.NOT_MATCHES} 电压探针发现的类型忽略正则 CHANGE_IF_NEEDED
{$DELL.SNMP.SENSOR.TEMP.STATUS.OK} 温度探针 OK 状态值(用于触发器表达式) 3
{$DELL.SNMP.SENSOR.TEMP.STATUS.WARN:"nonCriticalUpper"} 温度探针警告状态:上非临界阈值 4
{$DELL.SNMP.SENSOR.TEMP.STATUS.WARN:"nonCriticalLower"} 温度探针警告状态:下非临界阈值 7
{$DELL.SNMP.SENSOR.TEMP.STATUS.CRIT:"criticalUpper"} 温度探针临界状态:上临界阈值 5
{$DELL.SNMP.SENSOR.TEMP.STATUS.CRIT:"nonRecoverableUpper"} 温度探针临界状态:上不可恢复阈值 6
{$DELL.SNMP.SENSOR.TEMP.STATUS.CRIT:"criticalLower"} 温度探针临界状态:下临界阈值 8
{$DELL.SNMP.SENSOR.TEMP.STATUS.CRIT:"nonRecoverableLower"} 温度探针临界状态:下不可恢复阈值 9
{$DELL.SNMP.HEALTH.STATUS.DISASTER} 系统整体健康"灾难"状态值 6
{$DELL.SNMP.HEALTH.STATUS.CRIT} 系统整体健康"临界"状态值 5
{$DELL.SNMP.HEALTH.STATUS.WARN} 系统整体健康"警告"状态值 4
{$DELL.SNMP.PSU.STATUS.WARN:"nonCritical"} 电源警告状态值 4
{$DELL.SNMP.PSU.STATUS.CRIT:"critical"} 电源临界状态值 5
{$DELL.SNMP.PSU.STATUS.CRIT:"nonRecoverable"} 电源不可恢复状态值 6
{$DELL.SNMP.FAN.STATUS.WARN:"nonCriticalUpper"} 风扇警告:上非临界阈值 4
{$DELL.SNMP.FAN.STATUS.WARN:"nonCriticalLower"} 风扇警告:下非临界阈值 7
{$DELL.SNMP.FAN.STATUS.CRIT:"criticalUpper"} 风扇临界:上临界阈值 5
{$DELL.SNMP.FAN.STATUS.CRIT:"nonRecoverableUpper"} 风扇临界:上不可恢复阈值 6
{$DELL.SNMP.FAN.STATUS.CRIT:"criticalLower"} 风扇临界:下临界阈值 8
{$DELL.SNMP.FAN.STATUS.CRIT:"nonRecoverableLower"} 风扇临界:下不可恢复阈值 9
{$DELL.SNMP.FAN.STATUS.CRIT:"failed"} 风扇故障状态值 10
{$DELL.SNMP.DISK.ARRAY.STATUS.FAIL} 磁盘阵列"失败/灾难"状态值 6
{$DELL.SNMP.DISK.ARRAY.STATUS.CRIT} 磁盘阵列临界状态值 5
{$DELL.SNMP.DISK.ARRAY.STATUS.WARN} 磁盘阵列警告状态值 4
{$DELL.SNMP.DISK.ARRAY.CACHE.BATTERY.STATUS.CRIT} RAID 缓存电池临界状态值 3
{$DELL.SNMP.DISK.ARRAY.CACHE.BATTERY.STATUS.WARN} RAID 缓存电池警告状态值 4
{$DELL.SNMP.DISK.ARRAY.CACHE.BATTERY.STATUS.OK} RAID 缓存电池正常状态值 2
{$DELL.SNMP.VDISK.STATUS.CRIT:"failed"} 虚拟磁盘故障状态值 3
{$DELL.SNMP.VDISK.STATUS.WARN:"degraded"} 虚拟磁盘降级警告状态值 4
{$DELL.SNMP.DISK.STATUS.WARN:"nonCritical"} 物理磁盘警告状态值 4
{$DELL.SNMP.DISK.STATUS.FAIL:"critical"} 物理磁盘临界状态值 5
{$DELL.SNMP.DISK.STATUS.FAIL:"nonRecoverable"} 物理磁盘不可恢复状态值 6
{$DELL.SNMP.DISK.SMART.STATUS.FAIL} 物理磁盘 S.M.A.R.T. 告警状态值 1
{$DELL.SNMP.TIMEOUT} SNMP agent 可用性触发器的判定时间窗 5m
{$DELL.SNMP.IFCONTROL} 仅当接口上下文宏等于 "1" 时,链路状态触发器才生效 1

说明:带 "context" 后缀的宏是 上下文宏(context macro),实际生效值为 宏名:"{#宏}" 形式,例如 {$DELL.SNMP.SENSOR.TEMP.STATUS.CRIT:"criticalUpper"}。它们把传感器状态枚举值抽象为语义化变量,当厂商在不同固件版本中调整枚举编号时,只需在主机/模板级改宏即可,无需改动触发器表达式。

4.1 四个发现过滤器宏的实质作用

电压探针 LLD 规则(key voltage.discovery)在 YAML 中带有 filter 段,过滤条件正是这四个宏:

filter:
  - macro: '{#VPROBE_NAME}'      # 对应 NAME.MATCHES / NAME.NOT_MATCHES
  - macro: '{#VPROBE_TYPE}'      # 对应 TYPE.MATCHES / TYPE.NOT_MATCHES

默认规则含义:只发现名字匹配 ^.*Voltage.*$ 且类型为 18|16 的电压探针。CHANGE_IF_NEEDED 表示该值需要根据实际设备环境修改。若你的 R720 上电压探针命名不同(例如带 PSU 序号前缀),可通过主机级宏覆盖,而不必改动模板。

五、基础监控项:系统身份与健康全量清单

模板基础监控项(非 LLD 生成的固定项)覆盖系统级身份、健康总览与网络 uptime,全部来自 IDRAC-MIB-SMIv2 / SNMPv2-MIB / SNMP-FRAMEWORK-MIB:

名称 类型 Key(及附加信息)
Overall system health status SNMP agent dell.server.status[globalSystemStatus],预处理:Discard unchanged with heartbeat 6h;value map IDRAC-MIB-SMIv2::ObjectStatusEnum
Hardware model name SNMP agent dell.server.hw.model[systemModelName],heartbeat 6h,inventory_link: MODEL
Hardware serial number SNMP agent dell.server.hw.serialnumber[systemServiceTag],heartbeat 6h,inventory_link: SERIALNO_A
Operating system SNMP agent dell.server.sw.os[systemOSName],heartbeat 1d
Firmware version SNMP agent dell.server.hw.firmware[racFirmwareVersion],heartbeat 1d;OID get[1.3.6.1.4.1.674.10892.5.1.1.8.0]
Uptime (network) SNMP agent dell.server.net.uptime[snmpEngineTime],单位 uptime,trends 关闭
Uptime (hardware) SNMP agent dell.server.hw.uptime[systemPowerUpTime],单位 uptime,trends 关闭
SNMP traps (fallback) SNMP trap snmptrap.fallback(收集未被其它 snmptrap 项匹配的全部 trap)
System location SNMP agent dell.server.location[sysLocation],delay 15m,heartbeat 6h,inventory_link: LOCATION
System contact details SNMP agent dell.server.contact[sysContact],delay 1h,heartbeat 1d,inventory_link: CONTACT
System object ID SNMP agent dell.server.objectid[sysObjectID],delay 15m,heartbeat 6h
System name SNMP agent dell.server.name[sysName],delay 15m,heartbeat 6h,inventory_link: NAME
System description SNMP agent dell.server.descr[sysDescr],delay 1h,heartbeat 1d
SNMP agent availability Zabbix internal zabbix[host,snmp,available](0 不可用 / 1 可用 / 2 未知)
Memory, total size Calculated dell.server.memory.size.total,表达式 sum(last_foreach(//dell.server.memory.size[*])),单位 B,heartbeat 6h
BIOS version SNMP agent dell.server.bios.version,OID get[1.3.6.1.4.1.674.10892.5.4.300.50.1.8.1.1],heartbeat 6h

5.1 八张 SNMP Walk 原始表

名称 Key 实际 walk 的 OID(来自 YAML snmp_oid)
SNMP walk Temperature sensor table dell.server.sensor.temp.walk 1.3.6.1.4.1.674.10892.5.4.700.20.1.x
SNMP walk Power supply table dell.server.psu.walk 1.3.6.1.4.1.674.10892.5.4.600.12.1.5 / .8
SNMP walk Cooling device table dell.server.fan.walk 1.3.6.1.4.1.674.10892.5.4.700.12.1.5/.8/.7/.6
SNMP walk RAID controllers table dell.server.array.controller.walk 1.3.6.1.4.1.674.10892.5.5.1.20.130.1.1.38/.79/.2
SNMP walk Battery table dell.server.battery.walk 1.3.6.1.4.1.674.10892.5.5.1.20.130.15.1.1/.4/.21
SNMP walk Physical disk table dell.server.disk.physical.walk 1.3.6.1.4.1.674.10892.5.5.1.20.130.4.1.1/.2/.24/.31/.6/.7/.35/.11
SNMP walk Virtual disk table dell.server.disk.virtual.walk 1.3.6.1.4.1.674.10892.5.5.1.20.140.1.1.1/.2/.13/.30/.11/.10/.6/.4
SNMP walk Network device table dell.server.net.if.walk 1.3.6.1.4.1.674.10892.5.4.1100.90.1.4.1/.30.1/.3.1/.15.1
SNMP walk Processor device tables dell.server.cpu.walk 1.3.6.1.4.1.674.10892.5.4.1100.30.1.26、1100.32.1.5.1、1100.32.1.6.1
SNMP walk Memory device table dell.server.memory.walk 1.3.6.1.4.1.674.10892.5.4.1100.50.1.8.1/.5.1/.14.1
SNMP walk System battery table dell.server.system.battery.walk 1.3.6.1.4.1.674.10892.5.4.600.50.1.x
SNMP walk Voltage probe table dell.server.voltage.walk 1.3.6.1.4.1.674.10892.5.4.600.20.1.x

所有 walk 项均为 SNMP_AGENT 类型、value_type: TEXT、history: '0',仅充当 LLD 主项,不产生历史趋势。

六、基础触发器:变更检测与可用性告警

名称 表达式 严重级别 备注
Dell R720: System is in unrecoverable state last(/DELL PowerEdge R720 by SNMP/dell.server.status[globalSystemStatus])={$DELL.SNMP.HEALTH.STATUS.DISASTER} High 检查设备故障
Dell R720: System status is in critical state last(...globalSystemStatus...)={$DELL.SNMP.HEALTH.STATUS.CRIT} Average 检查设备错误
Dell R720: System status is in warning state last(...globalSystemStatus...)={$DELL.SNMP.HEALTH.STATUS.WARN} Warning 依赖:critical 触发器
Dell R720: Device has been replaced last(...,#1)<>last(...,#2) and length(last(...))>0 Info 手动关闭;序列号变化
Dell R720: Operating system description has changed 同上模式,基于 dell.server.sw.os[systemOSName] Info 手动关闭
Dell R720: Firmware has changed 同上模式,基于 dell.server.hw.firmware[racFirmwareVersion] Info 手动关闭
Dell R720: Host has been restarted (uptime>0 and uptime<10m) or (uptime=0 and net.uptime<10m) Warning 手动关闭
Dell R720: System name has changed 同上模式,基于 dell.server.name[sysName] Info 手动关闭
Dell R720: No SNMP data collection max(/.../zabbix[host,snmp,available],{$DELL.SNMP.TIMEOUT})=0 Warning SNMP 不可达
Dell R720: Memory amount has changed change(/.../dell.server.memory.size.total)>0 Average 内存容量变化

值得注意的细节:"Device has been replaced" 触发器通过比较最近两个值 last(#1)<>last(#2) 且长度非空来判定设备序列号变化,该模式被复用于固件、系统名、操作系统描述等多个"变更检测"触发器;YAML 中这些触发器均带 manual_close: 'YES' 与 scope: notice 标签,并在事件名中输出新值(如 event_name: 'Dell R720: Device has been replaced (new serial number received)')。

七、LLD 规则体系:10 类硬件发现的完整配置

模板通过 10 个 LLD 规则把 IDRAC 上报的硬件表动态映射为监控项与触发器。每个 LLD 规则均为依赖项,预处理统一为"SNMP walk to JSON + Discard unchanged 6h";阵列、电池、物理/虚拟磁盘四个规则额外配置了 ⛔️ Custom on fail: Discard value(walk 失败时丢弃值,避免误报)。以下按规则逐一展开监控项原型与触发器原型。

7.1 Temperature discovery(温度探针)

LLD key:temp.discovery,主项 dell.server.sensor.temp.walk,生成的宏为 {#SENSOR_LOCALE}(探针位置名)与 {#SNMPINDEX}。

监控项原型:

  • Probe [{#SENSOR_LOCALE}]: Value — key dell.server.sensor.temp.value[temperatureProbeReading.{#SNMPINDEX}],单位 °C;预处理:SNMP walk value 1.3.6.1.4.1.674.10892.5.4.700.20.1.6.{#SNMPINDEX} → 乘数 0.1 → 6h 心跳去重。MIB 说明:当 temperatureProbeType 非 temperatureProbeTypeIsDiscrete 时返回摄氏度读数,离散型探针不返回值。
  • Probe [{#SENSOR_LOCALE}]: Status — key dell.server.sensor.temp.status[temperatureProbeStatus.{#SNMPINDEX}],预处理:SNMP walk value ...700.20.1.5.{#SNMPINDEX} → 6h 心跳去重;使用 value map IDRAC-MIB-SMIv2::StatusProbeEnum。状态枚举:other(1)、unknown(2)、ok(3)、nonCriticalUpper(4)、criticalUpper(5)、nonRecoverableUpper(6)、nonCriticalLower(7)、criticalLower(8)、nonRecoverableLower(9)、failed(10)。

触发器原型(均带 opdata: Current status: {ITEM.LASTVALUE1}):

  • Critical status(Average):last(...status...)={$DELL.SNMP.SENSOR.TEMP.STATUS.CRIT:"criticalUpper"} or ... or ..."nonRecoverableUpper"} or ..."criticalLower"} or ..."nonRecoverableLower";
  • Warning status(Warning,依赖 Critical):...{$DELL.SNMP.SENSOR.TEMP.STATUS.WARN:"nonCriticalUpper"} or ..."nonCriticalLower";
  • Not in optimal status(Info,手动关闭,依赖前两者):last(...status...)<>{$DELL.SNMP.SENSOR.TEMP.STATUS.OK}。

7.2 PSU discovery(电源)

LLD key:psu.discovery,主项 dell.server.psu.walk,宏 {#PSU_DESCR}。

监控项原型:

  • Power supply [{#PSU_DESCR}]: State — key dell.server.sensor.psu.status[powerSupplyStatus.{#SNMPINDEX}],预处理:SNMP walk value 1.3.6.1.4.1.674.10892.5.4.600.12.1.5.{#SNMPINDEX} → 6h 心跳去重。

触发器原型:

  • Critical state(Average):...={$DELL.SNMP.PSU.STATUS.CRIT:"critical"} or ...="nonRecoverable";
  • Warning state(Warning,依赖 Critical):...={$DELL.SNMP.PSU.STATUS.WARN:"nonCritical"}。

7.3 Fan discovery(风扇/冷却设备)

LLD key:fan.discovery,主项 dell.server.fan.walk,宏 {#FAN_DESCR}。

监控项原型:

  • Fan [{#FAN_DESCR}]: Status — key dell.server.sensor.fan.status[{#FAN_DESCR}],SNMP walk value 1.3.6.1.4.1.674.10892.5.4.700.12.1.5.{#SNMPINDEX},使用 StatusProbeEnum 值映射;
  • Fan [{#FAN_DESCR}]: Speed — key dell.server.sensor.fan.speed[{#FAN_DESCR}],SNMP walk value ...700.12.1.6.{#SNMPINDEX},转速(RPM)或 OFF/ON 离散值。

触发器原型:

  • Critical state(Average):对 nonCriticalUpper、nonRecoverableUpper、criticalLower、nonRecoverableLower、failed 五个状态做 OR 判断;
  • Warning state(Warning,依赖 Critical):nonCriticalUpper 或 nonCriticalLower。

7.4 Array controller discovery(RAID 控制器)

LLD key:array.discovery,主项 dell.server.array.controller.walk(预处理含"Custom on fail: Discard value"),宏 {#CNTLR_NAME}。

监控项原型:

  • Controller [{#CNTLR_NAME}]: Status — key dell.server.hw.diskarray.status[controllerComponentStatus.{#SNMPINDEX}],SNMP walk value 1.3.6.1.4.1.674.10892.5.5.1.20.130.1.1.38.{#SNMPINDEX},状态枚举:1 Other、2 Unknown、3 OK、4 Non-critical、5 Critical、6 Non-recoverable;
  • Controller [{#CNTLR_NAME}]: Model — key dell.server.hw.diskarray.model[controllerName.{#SNMPINDEX}],SNMP walk value ...130.1.1.2.{#SNMPINDEX}。

触发器原型(三级告警链): Unrecoverable(High)→ Critical(Average,依赖 Unrecoverable)→ Warning(Warning,依赖 Critical + Unrecoverable),分别对应宏 {$DELL.SNMP.DISK.ARRAY.STATUS.FAIL}(6)、...CRIT(5)、...WARN(4)。

7.5 Battery discovery(RAID 缓存电池)

LLD key:battery.discovery,主项 dell.server.battery.walk,宏 {#BATTERY_NAME}。

监控项原型:

  • Battery [{#BATTERY_NAME}]: Status — key dell.server.hw.battery.status[batteryState.{#SNMPINDEX}],SNMP walk value 1.3.6.1.4.1.674.10892.5.5.1.20.130.15.1.4.{#SNMPINDEX},value map IDRAC-MIB-SMIv2::batteryState。状态枚举:1 无法确定、2 正常、3 失败需更换、4 温度高或电量下降、5 缺失/未检测到、6 充电中、7 电压或电量低于阈值。

触发器原型: Critical(Average,值 = CRIT 宏 3)、Warning(Warning,依赖 Critical,值 = WARN 宏 4)、Not in optimal state(Info,依赖前两者,<>OK 宏(2))。

7.6 Physical disk discovery(物理磁盘)

LLD key:physicaldisk.discovery,主项 dell.server.disk.physical.walk,宏 {#DISK_NAME}。

监控项原型(8 个):

名称 Key walk OID 与附加处理
Status dell.server.hw.physicaldisk.status[physicalDiskComponentStatus.{#SNMPINDEX}] ...130.4.1.24.{#SNMPINDEX};枚举 1-6(Other/Unknown/OK/Non-critical/Critical/Non-recoverable)
S.M.A.R.T. Status dell.server.hw.physicaldisk.smart_status[physicalDiskSmartAlertIndication.{#SNMPINDEX}] ...130.4.1.31.{#SNMPINDEX};预测性故障告警指示
Serial number dell.server.hw.physicaldisk.serialnumber[physicalDiskSerialNo.{#SNMPINDEX}] ...130.4.1.7.{#SNMPINDEX}
Model name dell.server.hw.physicaldisk.model[physicalDiskProductID.{#SNMPINDEX}] ...130.4.1.6.{#SNMPINDEX}
Media type dell.server.hw.physicaldisk.media_type[physicalDiskMediaType.{#SNMPINDEX}] ...130.4.1.35.{#SNMPINDEX};1 未知、2 HDD、3 SSD
Size dell.server.hw.physicaldisk.size[physicalDiskCapacityInMB.{#SNMPINDEX}] ...130.4.1.11.{#SNMPINDEX};乘数 1048576(MB→B)

(物理磁盘 walk 实际覆盖 8 个列 OID,见上文 walk 表。)

触发器原型:

  • Failed state(High):...={$DELL.SNMP.DISK.STATUS.FAIL:"critical"} or ...="nonRecoverable";
  • Warning state(Warning,依赖 Failed):...={$DELL.SNMP.DISK.STATUS.WARN:"nonCritical"};
  • S.M.A.R.T. failed(High,依赖 Failed):...smart_status...={$DELL.SNMP.DISK.SMART.STATUS.FAIL:"replaceDrive"} or ...="replaceDriveSSDWearOut",提示"磁盘可能需更换";
  • has been replaced(Info,手动关闭):序列号最近两值比较。

7.7 Virtual disk discovery(虚拟磁盘)

LLD key:virtualdisk.discovery,主项 dell.server.disk.virtual.walk,宏 {#DISK_NAME}。

监控项原型(6 个):

名称 Key walk OID 与附加处理
Status dell.server.hw.virtualdisk.status[virtualDiskState.{#SNMPINDEX}] ...140.1.1.4.{#SNMPINDEX};1 无法确定、2 正常/最优、3 数据丢失或濒临丢失、4 冗余盘故障导致可能失去容错
Layout type dell.server.hw.virtualdisk.layout[virtualDiskLayout.{#SNMPINDEX}] ...140.1.1.13.{#SNMPINDEX};RAID 类型 1-10(RAID-0/1/5/6/10/50/60 等)
Size dell.server.hw.virtualdisk.size[virtualDiskSizeInMB.{#SNMPINDEX}] ...140.1.1.6.{#SNMPINDEX};乘数 1048576
Operational state dell.server.hw.virtualdisk.state[virtualDiskOperationalState.{#SNMPINDEX}] ...140.1.1.30.{#SNMPINDEX};心跳 3m;1 无操作、2 配置变更中、3 CC 一致性检查、4 初始化、5 BGI
Read policy dell.server.hw.virtualdisk.read_policy[virtualDiskReadPolicy.{#SNMPINDEX}] ...140.1.1.11.{#SNMPINDEX};1 无预读、2 预读、3 自适应预读;心跳 1h
Write policy dell.server.hw.virtualdisk.write_policy[virtualDiskWritePolicy.{#SNMPINDEX}] ...140.1.1.10.{#SNMPINDEX};1 直写、2 回写、3 强制回写;心跳 1h

触发器原型: Failed state(High,={$DELL.SNMP.VDISK.STATUS.CRIT:"failed"})与 Warning state(Warning,依赖 Failed,={$DELL.SNMP.VDISK.STATUS.WARN:"degraded"})。

7.8 Network interface discovery(网络接口)

LLD key:net.if.discovery,主项 dell.server.net.if.walk,宏 {#NIC_FQDD}(完整限定设备名)、{#NIC_MAC}、{#SNMPINDEX}。

监控项原型:

  • NIC [{#NIC_FQDD}/{#NIC_MAC}]: Link status — key dell.server.net.if.link[{#NIC_FQDD}],SNMP walk value 1.3.6.1.4.1.674.10892.5.4.1100.90.1.4.1.{#SNMPINDEX};
  • NIC [{#NIC_FQDD}/{#NIC_MAC}]: Status — key dell.server.net.if.status[{#NIC_FQDD}],SNMP walk value ...1100.90.1.3.1.{#SNMPINDEX},使用 NetworkDeviceConnectionStatusEnum 值映射。

触发器原型:

  • Link down(Average,手动关闭):表达式含三重条件—— {$DELL.SNMP.IFCONTROL:"{#NIC_FQDD}"}=1(可通过上下文宏将某接口标记为不重要,置 0 后不再告警)且 last(...,#1)<>1(当前非 up)且 last(...,#1)<>last(...,#2)(此前曾为 up,排除"永远离线"的接口);
  • Status is not OK(Average):last(/.../dell.server.net.if.status[{#NIC_FQDD}],#1)<>3。

7.9 CPU status discovery(CPU 状态)

LLD key:cpu.discovery,主项 dell.server.cpu.walk,宏 {#CPU_FQDD}。

监控项原型:

  • CPU [{#CPU_FQDD}]: Status — key dell.server.cpu.status[cpu.{#SNMPINDEX}],SNMP walk value 1.3.6.1.4.1.674.10892.5.4.1100.32.1.5.{#SNMPINDEX},value map ObjectStatusEnum;
  • CPU [{#CPU_FQDD}]: State — key dell.server.cpu.state[cpu.{#SNMPINDEX}],SNMP walk value ...1100.32.1.6.{#SNMPINDEX},value map ProcessorDeviceStatusReadingFlags(位标志)。

触发器原型:

  • Status is not OK(Average):last(...status...,#1)<>3;
  • Reading error(Average):bitand(last(/.../dell.server.cpu.state[cpu.{#SNMPINDEX}],#1),128)=0——通过位运算检查 CPU 探针读数标志中 processorPresent 位(128)是否置位,未置位即判定读取出错。这是模板中为数不多直接使用 bitand 位运算的触发器。

7.10 System battery discovery 与 Memory discovery

  • System battery discovery(key system.battery.discovery):原型 System battery [{#SNMPVALUE}]: Status,key dell.server.system.battery[{#SNMPVALUE}],SNMP walk value 1.3.6.1.4.1.674.10892.5.4.600.50.1.5.1.{#SNMPINDEX};触发器 Status is not OK(Average,<>3)。
  • Memory discovery(key memory.discovery):原型两个——
    • Memory [{#SNMPVALUE}]: Status,key dell.server.memory.status[{#SNMPVALUE}],SNMP walk value ...1100.50.1.5.1.{#SNMPINDEX};
    • Memory [{#SNMPVALUE}]: Size,key dell.server.memory.size[{#SNMPVALUE}],SNMP walk value ...1100.50.1.14.1.{#SNMPINDEX},乘数 1024(KB→B;0 表示未安装,2147483647 表示未知)。
    • 触发器:Memory [{#SNMPVALUE}]: Status is not OK(Average,<>3)。
    • 这两个 LLD 生成的内存大小项又被计算项 dell.server.memory.size.total(sum(last_foreach(//dell.server.memory.size[*])))汇总,形成"内存总量"这一基础监控项,构成完整的依赖链。

7.11 Voltage probe discovery(电压探针)

LLD key:voltage.discovery,主项 dell.server.voltage.walk,宏 {#VPROBE_NAME}、{#VPROBE_TYPE}、{#SNMPINDEX},并通过四个发现过滤器宏对探针名/类型做正则筛选(见 4.1)。

监控项原型:

  • Voltage probe [{#VPROBE_NAME}]: Voltage — key dell.server.voltage.value[{#VPROBE_NAME}],SNMP walk value 1.3.6.1.4.1.674.10892.5.4.600.20.1.6.1.{#SNMPINDEX},乘数 0.001(mV→V);
  • Voltage probe [{#VPROBE_NAME}]: Status — key dell.server.voltage.status[{#VPROBE_NAME}],SNMP walk value ...600.20.1.5.1.{#SNMPINDEX}。

触发器原型: Status is not OK(Average):last(/.../dell.server.voltage.status[{#VPROBE_NAME}])<>3。

八、值映射表与标签体系

模板在 YAML 中内嵌了多个值映射(value maps),把 iDRAC 返回的枚举数字翻译为可读文本,常见于状态类监控项:

  • IDRAC-MIB-SMIv2::ObjectStatusEnum:系统健康、控制器、物理盘、内存等通用对象状态(1 Other / 2 Unknown / 3 OK / 4 Non-critical / 5 Critical / 6 Non-recoverable);
  • IDRAC-MIB-SMIv2::StatusProbeEnum:温度/风扇探针状态(ok=3、nonCriticalUpper=4 等 10 档);
  • IDRAC-MIB-SMIv2::batteryState:缓存电池状态(1-7);
  • IDRAC-MIB-SMIv2::physicalDiskMediaType:盘介质类型(HDD/SSD);
  • IDRAC-MIB-SMIv2::ProcessorDeviceStatusReadingFlags:CPU 状态位标志;
  • IDRAC-MIB-SMIv2::NetworkDeviceConnectionStatusEnum:网口连接状态。

标签方面,模板统一使用 component 标签标记监控项归属(如 raw、system、temperature、memory),触发器使用 scope 标签(availability / notice),便于在告警规则、仪表板与标签过滤中快速定位。

九、变更检测触发器的设计模式与使用建议

该模板反复使用一个成熟的"值漂移检测"表达式模式:

last(/模板/监控项,#1)<>last(/模板/监控项,#2) and length(last(/模板/监控项))>0

语义:最近两次取值不同,且当前值非空。它被用于设备序列号(更换检测)、固件版本、系统名、操作系统描述等场景,全部为 Info 级别并要求手动确认关闭,避免变更类事件被自动恢复机制静默消除。运维实践中,可结合 Zabbix 的通知动作与"手动关闭"属性,把这类触发器作为资产管理审计线索(例如确认物理盘是否被更换、iDRAC 固件是否升级)。

十、反馈与后续排查

该模板为 Zabbix 官方"开箱即用"模板库一员(模板组 Templates/Server hardware),官方建议的问题反馈渠道为 Zabbix 支持系统与官方论坛(详见模板 YAML description 中标注的讨论帖)。实际排障时可依次检查:主机 SNMP 接口连通性 → iDRAC 中 SNMP 服务与社区字符串 → zabbix[host,snmp,available] 值 → LLD 规则是否成功生成原型(若 walk 失败,阵列/电池/磁盘类规则会按"Custom on fail: Discard value"丢弃)→ 各 walk 项是否持续有数据。

十一、结语

DELL PowerEdge R720 by SNMP 是 Zabbix 官方硬件监控模板的典型范例:以 SNMP walk 原始表为数据底座、LLD 动态展开监控对象、预处理链完成数值归一化、上下文宏抽象状态枚举,最终形成一套无需外部脚本、可配置性强的完整监控方案。读者可直接导入 template_server_dell_r720_snmp.yaml 使用,或对照本文所述机制,参考仓库中同族的其它机型模板(dell_r740_snmp、dell_r750_snmp、dell_r820_snmp 等)进行横向比对与二次定制。

登录后查看全文
zabbix