Nagios监控Dell服务器硬件状态

nagios监控dell服务器Server:
check_openmanage 是一个 Nagios 的插件，它基于 OMSA 获取相关的报道信息，用来检测安装有 OpenManage Server Administrator (OMSA) 的戴尔服务器的运行状态，包括存储系统、电源、温度等信息。
官网：http://folk.uio.no/trondham/software/check_openmanage.html
最新版本下载链接：http://folk.uio.no/trondham/software/files/check_openmanage-3.7.12.tar.gz
nagios提供了两种方式进行监控信息的获取。
1、nagios 服务器端 check_nrpe 调用被监控端的 check_openmanage 来实现，这种方式要在被监控端安装 OMSA 和 check_openmanage,check_nrpe会消耗服务器性能,不建议使用
2、nagios 服务器端直接通过 check_openmanage 来远程监控。这种方式要在 nagios 服务器端安装 perl-Net-SNMP，在被监控端安装SNMP和OMSA。这种方式也适合使用zabbix的运维监控环境。



1、安装 perl-Net-SNMP

[root@localhost src]# yum install -y perl-Net-SNMP

2、check_openmanage安装

[root@localhost src]# tar zxvf check_openmanage-3.7.12.tar.gz
[root@localhost src]# cd check_openmanage-3.7.12
[root@localhost check_openmanage-3.7.12]# cp check_openmanage /usr/local/nagios/libexec
[root@localhost check_openmanage-3.7.12]# cd /usr/local/nagios/libexec
[root@localhost libexec]# chown nagios:nagios check_openmanagenew
[root@localhost libexec]# ./check_openmanage --help
【通用选项】
-f，--config         # 指定配置文件
-p，--perfdata       # 输出性能数据，常和--only连用，不要和-d连用
-t，--timeout 时间值 # 设定check_openmanage的执行超时时间
-c，--critical       # 自定义温度的critical阈值
-w，--warning        # 自定义温度的warning阈值
-F，--fahrenheit     # 使用华氏温度作为温度单位
-d，--debug          # 显示所有检查项目
-h，--help           # 获取check_openmanage帮助信息
-V，--version        # 获取check_openmanage的版本信息
【SNMP选项】
-H，--hostname       # 使用snmp协议，获取指定主机名或ip的服务器硬件信息
-C，--community      # 自定义snmp的团体名，默认为public
-P，--protocol       # 自定义snmp的协议版本，默认为2c
--port               # 自定义snmp的端口号，默认为161
-6，--ipv6           # 使用ipv6替代ipv4，默认为no
--tcp                # 使用TCP协议替代UDP协议，默认为no
【输出选项】
-i，--info           # 输出的警告信息加上服务器的SN号作为前缀
-e，--extinfo        # 输出系统信息
-s，--state          # 输出的信息之前自带警告级别，如warning或critical
-S，--short-state    # 输出的信息之前自带警告级别缩写，如W或C
-o，--okinfo         # 输出信息为一行（默认）
-B，--show-blacklist # 输出黑名单列表信息，如果加入黑名单的信息多了，可以通过-B查看黑名单的列表信息
-I，--htmlinfo       # 输出带可点击链接的html格式信息
【检查控制和黑名单】
-a，--all            # 获取日志统计和详细日志输出
-b，--blacklist component=ID号  # 黑名单，指定某个组件的指定ID信息不显示。ID信息通过./check_openmanage -d可以看到。./check_openmanage -H 10.15.98.177 -d
--only               # 仅输入某项监控数据
--check component=[0|1]，esmlog=[0|1]  # 检查单个项目或组合项目，0为不检查，1为检查，单独使用
--no-storage         # 不检查存储信息
--vdisk-critical     # 将虚拟磁盘的任何警告都提升为崩溃级别critical

【自定义输出信息】
--postmsg '自定义信息'  # 在输出的结尾输出该自定义信息
在自定义信息中，我们可以使用如下变量
%m  # 系统型号
%s  # 系统SN号
%b  # BIOS版本
%d  # BIOS发型时间
%o  # 操作系统名称
%r  # 操作系统内核版本
%p  # 物理磁盘数量
%l  # 逻辑磁盘数量
%n  # 表示换行符
%%  # 表示%百分号
[root@localhost libexec]# ./check_openmanage   如果提示"Storage Error"，则需要加上--no-storage参数，不带任何参数默认输出服务器的warning和critical的报警信息
[root@localhost libexec]# ./check_openmanage -s     输出带有状态提示的信息
[root@localhost libexec]# ./check_openmanage -s -b ctrl_fw=0  不检查Firmware固件版本更新提示
[root@localhost libexec]# ./check_openmanage -s -b pdisk_cert=all   不检查磁盘未认证的提示
[root@localhost libexec]# ./check_openmanage -b ctrl_fw=0\/pdisk=0:0:1:0    不检查ID为0的Firmware固件版本更新提示和ID为0:0:1:0的物理磁盘的未认证提示
[root@localhost libexec]# ./check_openmanage -b ctrl_fw=0\/pdisk=ALL   不检查ID为0的Firmware固件版本更新提示和未认证的物理磁盘提示
[root@localhost libexec]# ./check_openmanage -d   输出所有检查项目
[root@localhost libexec]# ./check_openmanage -i   将服务器的SN号作为警告信息的输出前缀
[root@localhost libexec]# ./check_openmanage --no-storage   不检查存储
[root@localhost libexec]# ./check_openmanage -e -b ctrl_fw=0\/pdisk=ALL   不显示Firmware固件版本更新和未认证磁盘提示信息，并输出系统信息
[root@localhost libexec]# ./check_openmanage -H 10.15.98.177 -C public -e -b bat=0:0 -b ctrl_fw=0\/pdisk=ALL --postmsg %o
Controller 1 [PERC H800 Adapter]: Firmware '12.10.4-0001' is out of date
[root@localhost libexec]# ./check_openmanage -H 10.15.98.177 -d|grep -C3 "is out of date"
STATE  |    ID    |  MESSAGE TEXT
---------+----------+--------------------------------------------------------
OK |        0 | Controller 0 [PERC H310 Adapter] is Ready
CRITICAL |        1 | Controller 1 [PERC H800 Adapter]: Firmware '12.10.4-0001' is out of date                #id为1
OK |        1 | Controller 1 [PERC H800 Adapter] is Degraded
OK |  0:0:1:0 | Physical Disk 0:1:0 [SAS-HDD 300GB] on ctrl 0 is Online
OK |  1:0:0:2 | Physical Disk 0:0:2 [SAS-HDD 2.0TB] on ctrl 1 is Online
[root@localhost libexec]# ./check_openmanage -H 10.15.98.177 -C public -e -b ctrl_fw=1 -b bat=0:0 -b ctrl_fw=0\/pdisk=ALL --postmsg %o
OK - System: 'PowerEdge R620', SN: '马赛克', 16 GB ram (4 dimms), 2 logical drives, 7 physical drives
[root@localhost libexec]# ./check_openmanage -H 10.17.205.164 -C public -e -b bat=0:0 -b ctrl_fw=0 -b ctrl_fw=0\/pdisk=ALL --postmsg %o
Controller 0 [PERC H700 Integrated]: Driver '4.05.01.64' is out of date
[root@localhost libexec]# ./check_openmanage -H 10.17.205.164 -d|grep -i "is out of date"
CRITICAL |        0 | Controller 0 [PERC H700 Integrated]: Firmware '12.10.1-0001' is out of date   #-b ctrl_fw=0 忽略此项
CRITICAL |        0 | Controller 0 [PERC H700 Integrated]: Driver '4.05.01.64' is out of date       #-b ctrl_driver=0 忽略此项
[root@localhost libexec]# ./check_openmanage -H 10.17.205.164 -C public -e -b bat=0:0 -b ctrl_fw=0 -b ctrl_driver=0 -b ctrl_fw=12.10.4-0001\/pdisk=ALL --postmsg %o
OK - System: 'PowerEdge R710 II', SN: '3D4973X', 32 GB ram (8 dimms), 2 logical drives, 5 physical drives
[root@localhost libexec]# ./check_openmanage -H 192.168.100.165 -C public -e -b bat=0:0 -b ctrl_driver=ALL\/ctrl_fw=ALL\/pdisk=ALL --postmsg %o
Battery probe 0 [System Board CMOS Battery] is Unknown reading
------ SYSTEM: PowerEdge R630, SN: 马赛克
Microsoft Windows Server 2008 R2, Enterprise x64 Edition
[root@localhost libexec]# ./check_openmanage -H 192.168.100.165 -C public -e -b bat=0:0\/bp=ALL\/ctrl_driver=ALL\/ctrl_fw=ALL\/pdisk=ALL --postmsg %o
OK - System: 'PowerEdge R630', SN: '马赛克', 128 GB ram (8 dimms), 1 logical drives, 3 physical drives   #bp=ALL  忽略电池检测
[root@localhost libexec]#

黑名单功能中可以使用的参数表










更多信息查看官方文档http://folk.uio.no/trondham/software/check_openmanage.html


Tips:最近发现一台服务器硬盘坏了，nagios里还是显示warning，所以将check_openmange里的344行的warning改成critical，便于及时发现

[root@localhost libexec]# vim check_openmanage
341 %reverse_exitcode
342   = (
343      $E_OK       => 'OK',
344      $E_WARNING  => 'CRITICAL',
345      $E_CRITICAL => 'CRITICAL',
346      $E_UNKNOWN  => 'UNKNOWN',
347     );

3、配置command

[root@localhost libexec]# vim /usr/local/nagios/etc/objects/commands.cfg
#检查存储设备
define command {
command_name check_storage
command_line $USER1$/check_openmanage -H $HOSTADDRESS$ --only storage -p -s -b ctrl_fw=0
}
#检查cpu
define command {
command_name check_cpu
command_line $USER1$/check_openmanage -H $HOSTADDRESS$ --only cpu -p -s -b ctrl_fw=0
}
#检查内存
define command {
command_name check_memory
command_line $USER1$/check_openmanage -H $HOSTADDRESS$ --only memory -p -s -b ctrl_fw=0
}
#检查电源
define command {
command_name check_power
command_line $USER1$/check_openmanage -H $HOSTADDRESS$ --only power -p -s -b ctrl_fw=0
}
#检查温度
define command {
command_name check_temp
command_line $USER1$/check_openmanage -H $HOSTADDRESS$ --only temp -p -s -w $ARG1$ -c $ARG2$ -b ctrl_fw=0
}

--only是指只监控某一项，-p是进行画图，-s是状态描述，-b是黑名单，由于我们的服务器固件版本低，为不影响其他监控项在此我们将其加入黑名单将其剔除。

4、配置监控服务

define service{
use                     local-service
host_name               usvr-131,usvr-119,usvr-70,usvr-71,usvr-72,usvr-73,usvr-82,usvr-83,usvr-84,usvr-85,usvr-86,usvr-87
service_description     omsa_storage
check_command           check_storage
service_groups          dell-openmanage
notifications_enabled   1
}
define service{
use                     local-service
host_name               usvr-131,usvr-119,usvr-70,usvr-71,usvr-72,usvr-73,usvr-82,usvr-83,usvr-84,usvr-85,usvr-86,usvr-87
service_description     omsa_cpu
check_command           check_cpu
service_groups          dell-openmanage
notifications_enabled   1
}
define service{
use                     local-service
host_name               usvr-131,usvr-119,usvr-70,usvr-71,usvr-72,usvr-73,usvr-82,usvr-83,usvr-84,usvr-85,usvr-86,usvr-87
service_description     omsa_memory
check_command           check_memory
service_groups          dell-openmanage
notifications_enabled   1
}
define service{
use                     local-service
host_name               usvr-131,usvr-119,usvr-70,usvr-71,usvr-72,usvr-73,usvr-82,usvr-83,usvr-84,usvr-85,usvr-86,usvr-87
service_description     omsa_power
check_command           check_power
service_groups          dell-openmanage
notifications_enabled   1
}
define service{
use                     local-service
host_name               usvr-131,usvr-119,usvr-70,usvr-71,usvr-72,usvr-73,usvr-82,usvr-83,usvr-84,usvr-85,usvr-86,usvr-87
service_description     omsa_temp
check_command           check_temp!"0=30/15"!"0=40/10"
service_groups          dell-openmanage
notifications_enabled   1
}

报错1：
ERROR: You need perl module Net::SNMP to run check_openmanage in SNMP mode
原因：
SNMP监控模式下，check_openmanage 需要 perl-Net-SNMP 支持
解决方案：
安装perl-Net-SNMP包
# yum install -y perl-Net-SNMP
报错2：
ERROR: (SNMP) OpenManage is not installed or is not working correctly
SNMP TABLE ERROR : Requested table is empty or does not exist
原因：
snmp未配置导致。如果先安装snmp，在安装omsa的时候会自动帮你配置好snmp
解决方案：
1、先安装net-snmp，再安装omsa（即srvadmin-all）
or
2、手动配置信息如下：
vim /etc/snmp/snmpd.conf
view all included .1
access notConfigGroup "" any noauth exact all none none
smuxpeer .1.3.6.1.4.1.674.10892.1 一般安装srvadmin的时候会自动加上的
报错3：
SNMP CRITICAL: No response from remote host 'X.X.X.X'
原因：
被监控端没有安装snmp服务
解决方案：
安装snmp服务
# yum install -y net-snmpd

Client:
对Dell服务器的硬件监控需要安装DELL的OMSA，DELL OMSA的全称为Dell Openmanage Server Administrator，它是戴尔公司基于自主研发力量开发的IT系统管理解决方案，

nagios监控Dell linux系统
1、安装snmp服务

[root@BETA6 yum.repos.d]# yum -y install net-snmp net-snmp-devel net-snmp-utils

2、安装dell的yum源
wget -q -O - http://linux.dell.com/repo/hardware/latest/bootstrap.cgi | bash
或者
wget -q -O - http://linux.dell.com/repo/hardware/OMSA_7.2/bootstrap.cgi | bash
注意：只适用rhel系统，CentOS系统无法安装

[root@BETA6 src]# wget -q -O - http://linux.dell.com/repo/hardware/latest/bootstrap.cgi | bash
Cleaning up Everything
Done!
[root@BETA6 src]#

3、安装dell osma
yum -y install OpenIPMI srvadmin-all
或者
yum install -y srvadmin-base srvadmin-storageservices 推荐,安装必要的软件,速度快

[root@BETA6 yum.repos.d]# yum -y install OpenIPMI srvadmin-all
[root@BETA6 yum.repos.d]# /opt/dell/srvadmin/sbin/srvadmin-services.sh start
[root@BETA6 yum.repos.d]# /etc/init.d/dataeng stop
[root@BETA6 yum.repos.d]# /etc/init.d/dataeng start
[root@BETA6 yum.repos.d]# chkconfig dataeng on
或者
[root@BETA6 yum.repos.d]# /opt/dell/srvadmin/sbin/srvadmin-services.sh enable  推荐
instsvcdrv     	0:off	1:off	2:on	3:on	4:on	5:on	6:off
dataeng        	0:off	1:off	2:on	3:on	4:on	5:on	6:off
dsm_om_shrsvc  	0:off	1:off	2:on	3:on	4:on	5:on	6:off
ipmi           	0:off	1:off	2:on	3:on	4:on	5:on	6:off
[root@BETA6 yum.repos.d]# /opt/dell/srvadmin/sbin/srvadmin-services.sh status
dell_rbu(module) is running
ipmidriver is running
dsm_sa_datamgrd(pid 1331 1197) is running
dsm_sa_eventmgrd(pid 1381) is running
dsm_sa_snmpd(pid 1440) is running
dsm_om_shrsvcd(pid 1508) is running...
dsm_om_connsvcd(pid 1562) is running...
[root@BETA6 yum.repos.d]# netstat -antlp|grep :1311

如果有此端口则说明我们的srvadmin安装成功，如果没有可能是安装出现问题了；dsm_om_connsvc服务监听了TCP协议的1311端口，并且提供了http访问的功能。另外我们安装完后首次启动用/opt/dell/srvadmin/sbin/srvadmin-services.sh start，否则用service dataeng start启动可能会有问题，导致omsa没有完全启动。dsm_om_connsvc服务监听了TCP协议的1311端口，并且提供了http访问的功能。

注意：
（1）一定要先安装snmp服务再安装omsa，这样omsa会自动将你的snmp服务进行配置，如果顺序颠倒则可能会导致报一下错误：

ERROR: (SNMP) OpenManage is not installed or is not working correctly

这是因为我们的/etc/snmp/snmpd.conf配置文件有漏改的地方，主要是以下几处：（改正以后如下）
view all included .1
view systemview included .1.3.6.1.2.1.1
view systemview included .1.3.6.1.2.1.25.1.1
access notConfigGroup ""any noauth exact all all none

（2）如果报一下错误“SNMP CRITICAL: No response from remote host 'X.X.X.X'”，则说明被监控端没有安装snmp服务

4、查看本机的硬件状态
1）查看系统主要组件的温度

[root@BETA6 yum.repos.d]# /opt/dell/srvadmin/bin/omreport chassis temps
Temperature Probes Information

------------------------------------
Main System Chassis Temperatures: Ok
------------------------------------

Index                     : 0
Status                    : Ok
Probe Name                : System Board Inlet Temp
Reading                   : 27.0 C
Minimum Warning Threshold : 3.0 C
Maximum Warning Threshold : 42.0 C
Minimum Failure Threshold : -7.0 C
Maximum Failure Threshold : 47.0 C
......

2)查看虚拟硬盘的状态

[root@BETA6 yum.repos.d]# /opt/dell/srvadmin/bin/omreport storage vdisk controller=0
Virtual Disk 0 on Controller PERC H710 Mini (Embedded)

Controller PERC H710 Mini (Embedded)
ID                        : 0
Status                    : Ok
Name                      : Virtual Disk 0
State                     : Ready
Hot Spare Policy violated : Not Assigned
Encrypted                 : No
Layout                    : RAID-5
Size                      : 1,675.50 GB (1799054426112 bytes)
Device Name               : /dev/sda
......

3)查看控制器(即RAID卡)的属性

[root@BETA6 yum.repos.d]# /opt/dell/srvadmin/bin/omreport storage controller
Controller  PERC H710 Mini (Embedded)

Controllers
ID                                            : 0
Status                                        : Ok
Name                                          : PERC H710 Mini
Slot ID                                       : Embedded
State                                         : Ready
Firmware Version                              : 21.2.0-0007
Latest Available Firmware Version             : Not Applicable
Driver Version                                : 00.00.06.15-rh
Minimum Required Driver Version               : Not Applicable
Storport Driver Version                       : Not Applicable
Minimum Required Storport Driver Version      : Not Applicable
Number of Connectors                          : 2
Rebuild Rate                                  : 30%
......

5、防火墙配置
由于我们使用的是SNMP来监控，因此我们需要在被监控端对nagios服务器开启snmp端口udp 161
/sbin/iptables -A INPUT -i em1 -p udp -s 10.10.5.89 --dport 161 -m comment --comment "nagios snmp" -j ACCEPT

OMSA在Windows服务器上安装部署

访问戴尔技术支持的官方网站：http://www.dell.com/support/home/cn/zh/cnbsd1?c=cn&l=zh&s=bsdi，根据sn号查找驱动程序选项栏里统管理标签下下载对应的版本


具体安装过程参照此贴：http://zh.community.dell.com/techcenter/systems-management/w/wiki/559.omsawindows