在Uptime-Kuma中通过USB GSM设备发送告警通知
2025-04-29 04:02:29作者:舒璇辛Bertina
概述
Uptime-Kuma作为一款开源的监控工具,提供了多种告警通知方式。本文将详细介绍如何通过USB连接的GSM设备(如GSM调制解调器或4G/LTE USB Dongle)来实现消息提醒功能。
技术背景
USB GSM设备通常会被系统识别为串行设备(如/dev/ttyUSB0或/dev/ttyACM0),可以通过AT指令集来控制发送消息。这类设备在无网络连接环境下特别有用,可以作为独立的告警通道。
实现方案
方案一:使用Push Monitor结合脚本
Uptime-Kuma的Push Monitor功能可以执行外部脚本,这是最直接的集成方式:
- 编写一个bash脚本,使用工具如
gammu或mmcli与GSM设备交互 - 脚本接收监控数据并通过AT指令发送消息
- 在Uptime-Kuma中配置Push Monitor调用该脚本
示例脚本框架:
#!/bin/bash
# 从环境变量获取告警信息
MESSAGE="$UPTIME_KUMA_MONITOR_NAME - $UPTIME_KUMA_MONITOR_STATUS"
# 使用gammu发送消息
echo "$MESSAGE" | gammu --sendsms TEXT 13800138000
方案二:通过Webhook间接调用
如果更倾向于使用Webhook方式:
- 搭建一个简单的HTTP服务(如Flask或Node.js应用)
- 该服务接收Webhook请求并调用本地GSM发送程序
- 在Uptime-Kuma中配置Webhook通知指向该服务
设备准备
确保GSM设备已正确安装驱动并被系统识别:
- 插入设备后检查
dmesg输出 - 确认设备节点(通常为/dev/ttyUSB*)
- 安装必要的工具链(如gammu、wvdial等)
配置建议
- 权限管理:确保运行Uptime-Kuma的用户有访问串行设备的权限
- 错误处理:在脚本中添加重试机制和设备状态检查
- 日志记录:记录发送状态以便排查问题
- 节流控制:避免短时间内发送过多消息
注意事项
- 不同型号的GSM设备可能需要特定的AT指令
- 考虑SIM卡的消息余额和发送限制
- 在Docker环境中运行时,需要将设备挂载到容器中
- 某些地区可能对消息发送有合规性要求
扩展应用
此方案不仅适用于Uptime-Kuma,也可应用于其他需要消息提醒的场景。通过适当修改,还可以实现:
- 语音告警
- USSD查询
- 设备状态反馈
总结
通过USB GSM设备实现消息提醒为Uptime-Kuma提供了一种不依赖互联网的可靠通知方式,特别适合关键基础设施监控或网络不稳定环境。虽然需要一些额外的配置工作,但其独立性和可靠性使其成为值得考虑的备选方案。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137