在Oxidized中正确配置设备模型映射的技术指南
2025-06-27 06:15:28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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
暂无简介
Dart
614
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 K
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
260
92
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
475
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
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++
647
255