非托管专用服务器监控：SMART 与 IPMI

非托管型专用服务器监控 当您负责硬件健康状况、操作系统稳定性以及事件响应时，这一点至关重要。与托管主机服务不同，非托管服务器可能需要您在没有服务商主动协助的情况下，自行检测磁盘故障、过热、内存压力以及网络中断等问题。

SMART 磁盘诊断、IPMI 硬件传感器和集中式警报功能可在问题导致长时间停机之前及时发现问题。本指南将介绍如何结合使用这些工具、配置有用的通知，以及如何评估支持远程管理的专用主机托管服务提供商。

在非托管专用服务器上应监控哪些内容？

有效的监控不仅限于 CPU 使用率和可用内存。物理硬件会引发一些故障情况，而虚拟服务器用户可能永远不会直接遇到这些情况。

首先设定五个监控类别：

每个类别都需要相应的数据采集方法和告警阈值。即使存储阵列已经出现降级，服务器仍可能保持可达状态。

自我监测、分析与报告技术（SMART）可从受支持的存储设备中提供诊断信息。在 Linux 系统中，smartmontools 包含用于检查磁盘健康状况的 smartctl 以及用于自动监控的 smartd。

在 Debian 或 Ubuntu 上，安装监控软件包：

sudo apt update
sudo apt install smartmontools

使用 lsblk 识别可用设备，然后检查受支持的磁盘：

sudo smartctl -a /dev/nvme0

对于 NVMe 存储设备，请检查关键警告、介质和数据完整性错误、可用备用容量、使用百分比以及温度。请参照制造商的规格说明来解读这些数值。

SMART健康检测结果正常，并不保证硬盘能一直保持可靠运行。硬盘可能会在没有任何有效预警的情况下突然发生故障。

使用 smartd 监控受支持的设备，并报告重大变更。请确认该守护进程已启用，并通过您的监控基础设施配置通知发送。

在依赖警报之前，请先对其进行测试。某些硬件 RAID 控制器会隐藏单个硬盘的诊断信息，因此需要使用控制器专用的工具。

智能平台管理接口（IPMI）允许受支持的主板管理控制器在不依赖主操作系统的情况下，独立地提供硬件信息。

根据平台的不同，传感器可能会报告CPU温度、风扇转速、机箱状态以及电源状况。

在兼容的 Linux 服务器上，安装 ipmitool 并查询本地可访问的传感器：

sudo apt install ipmitool
sudo ipmitool sensor list

并非每个传感器都会报告有效的数值，而且有些厂商使用专有接口。在构建自动化系统之前，请确认硬件支持的管理方式。

切勿将 BMC 或 IPMI 管理接口直接暴露在公共互联网上。请使用隔离的管理网络、经批准的 VPN 访问以及受限的管理员凭据。

当操作系统无法响应时，带外管理可帮助管理员访问服务器。可用功能可能包括远程控制台访问、电源控制和虚拟介质。

这些功能因服务器型号和托管服务商而异。请询问远程管理功能是包含在内、受到限制，还是仅可通过提交支持请求来使用。

Prometheus、node_exporter 和 Alertmanager 为收集 Linux 指标和发送通知提供了灵活的基础。

Node Exporter 提供了操作系统指标。若要获取 SMART 属性及 IPMI 传感器数据，可能需要额外的导出器或数据采集脚本。

使用受支持的安装方法部署监控组件，限制对指标端点的访问，并验证服务重启后数据收集能否继续进行。

避免因每次短暂的CPU峰值就发送通知。相反，应重点关注持续存在的状况以及需要采取行动的事件。