在Oxidized中正确配置设备模型映射的技术指南
2025-06-27 14:22:57作者:郦嵘贵Just
Oxidized作为一款优秀的网络设备配置备份工具,在实际部署中经常会遇到设备类型识别不正确的问题。本文将详细介绍如何正确配置Oxidized与LibreNMS之间的设备模型映射关系,特别是针对Aruba和F5等特殊设备的处理方案。
设备模型映射的核心原理
Oxidized通过设备操作系统类型(OS type)来识别并选择合适的模型进行处理。LibreNMS中定义的设备操作系统类型必须与Oxidized配置文件中的模型映射正确对应才能正常工作。
常见设备类型的正确配置
Cisco设备配置
对于Cisco设备,LibreNMS中通常使用"ios"或"iosxe"作为操作系统类型标识。在Oxidized配置中,这些类型直接映射到"ios"模型:
model_map:
cisco: ios
F5 BIG-IP设备配置
F5设备在LibreNMS中被识别为"f5"操作系统类型,但在Oxidized中需要使用"tmos"模型进行处理:
model_map:
f5: tmos
Aruba设备配置
Aruba设备在LibreNMS中被识别为"arubaos"操作系统类型,而在Oxidized中需要使用"aosw"模型:
model_map:
arubaos: aosw
Palo Alto设备配置
Palo Alto防火墙在LibreNMS中被识别为"panos"操作系统类型,Oxidized中直接使用"panos"模型:
model_map:
paloalto: panos
分组配置的最佳实践
为了对不同类型设备使用不同的认证信息,可以在Oxidized配置中使用分组功能:
groups:
cisco:
username: admin
password: cisco123
model: cisco
f5:
username: admin
password: f5pass
model: f5
paloalto:
username: admin
password: palopass
model: paloalto
aruba:
username: admin
password: arubapass
model: arubaos
常见问题排查技巧
- 设备未被识别:首先确认LibreNMS中设备的操作系统类型是否正确识别
- 认证失败:检查分组配置中的用户名和密码是否正确
- 模型不匹配:验证model_map中的映射关系是否准确
通过正确理解LibreNMS和Oxidized之间的设备类型映射关系,并按照上述配置方法进行设置,可以确保网络设备的配置备份工作顺利进行。对于特殊设备类型,务必参考官方文档确认正确的模型名称。
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 StartedRust0453
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
XianyuAutoAgent智能闲鱼客服机器人系统:专为闲鱼平台打造的AI值守解决方案,实现闲鱼平台7×24小时自动化值守,支持多专家协同决策、智能议价和上下文感知对话。Python05
new-apiAI模型聚合管理中转分发系统,一个应用管理您的所有AI模型,支持将多种大模型转为统一格式调用,支持OpenAI、Claude、Gemini等格式,可供个人或者企业内部管理与分发渠道使用。🍥 A Unified AI Model Management & Distribution System. Aggregate all your LLMs into one app and access them via an OpenAI-compatible API, with native support for Claude (Messages) and Gemini formats.TSX028
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0314
mllm轻量化的端侧多模态推理框架,支持多种硬件后端https://ubiquitouslearning.github.io/mllm/C++02
项目优选
收起
暂无描述
Markdown
831
5.5 K
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
495
520
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++
978
2.31 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
806
1.16 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++
792
1.59 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
484
314
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.03 K
777
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++
1.21 K
1.26 K
CANN 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 Notebook
659
298