CN103200050B - 服务器的硬件状态监控方法和系统 - Google Patents

Abstract

本发明提出一种服务器的硬件状态监控方法，包括如下步骤：对多个服务器进行智能型平台管理接口ipmi带外硬件巡检以获取每个服务器的硬件状态；根据硬件状态和预设故障知识库对每个服务器进行故障等级过滤并获取每个服务器的故障信息和故障等级；对故障等级和故障信息进行分析，根据分析结果选择性地将故障信息推送至事务处理平台以由事务处理平台对故障进行排除。本发明自动化进行状态监控，更加方便、精确、高效，并为日常运维提供准确的故障预警，在节约人工成本的同时，完善了服务器的自动化运维标准.本发明还公开了一种服务器的硬件状态监控系统。

Description

服务器的硬件状态监控方法和系统

技术领域

本发明涉及计算机技术领域，特别涉及一种服务器的硬件状态监控方法和系统。

背景技术

服务器管理资源并为用户提供服务，是互联网中非常重要的一环。相对于普通计算机来说，服务器在稳定性、安全性、性能等方面都要求更高。

当服务器上线后，为了确保服务器正常安全的工作，一般每日由特定的驻场工作人员进行早晚各一次的服务器硬件巡检任务。主要对于服务器硬盘状态指示灯、内存状态灯、电源状态灯、内部状态灯和外部状态灯的异常状况进行手工记录，并在下一个工作日进行数据汇总、上传。然后再由人工确认故障配件对服务器运行影响范围，并进行优先级设定后向事务处理平台数据推送数据。

现有技术主要有如下缺点：

(一)、服务器运行状态由人工进行监控，当大批量服务器线上运行时，至少需要分配2至3人进行早，晚各一次例行巡检，耗费人力、执行效率低且精度不高。并且人工现场查看设备运行状态，在接触设备的同时易造成网络中断或其它异常，无法避免因人为疏忽导致故障漏报或响应不及时。

(二)、对日常故障诊断效率低。当线上设备有异常时，无法第一时间获取足够的有效信息，排查效率不高，且发生故障的时候，已经对线上服务造成影响，无法做到线上设备异常预报警。在大批量服务器的状态下，集群可运维效率低。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明的一个目的在于提出一种服务器的硬件状态监控方法。本方法自动化进行状态监控，更加方便、精确、高效，并为日常运维提供准确的故障预警，在节约人工成本的同时，完善了服务器的自动化运维标准。

本发明的第二个目的在于提出一种服务器的硬件状态监控系统。

为达到上述目的，本发明第一方面的实施例提出了一种服务器的硬件状态监控方法，包括如下步骤：对多个服务器进行智能型平台管理接口ipmi带外硬件巡检以获取每个所述服务器的硬件状态；根据所述硬件状态和预设故障知识库对每个所述服务器进行故障等级过滤并获取每个所述服务器的故障信息和故障等级；对所述故障等级和故障信息进行分析，根据分析结果选择性地将故障信息推送至事务处理平台以由所述事务处理平台对故障进行排除。

根据本发明实施例的服务器的硬件状态监控方法自动化对大批量服务器硬件运行状态进行监控，解决了当前大批量服务器人工巡检的故障遗漏以及响应不及时的问题，在节省了人力巡检成本的支出的同时，避免了人为造成设备异常中断的影响，且大大提高了日常运维效率及故障预判.同时增强业务监控部署变更的灵活性及可操控性。

当日常故障发生时，可以调用监控数据库，实时查询服务器硬件运行状态，及时发现目常异常服务器报警信息，从而方便快速进行配件报修及更换响应，为新设备集中到货提供运维保障及技术支持，同时数据库的信息储备便于新服务器到货质量统计。在技术要求降低的同时，带来更多的可操控性，同时批量监控的预判给集中正常运行提高必要的数据参考及技术保证。

在本发明的一个实施例中，所述对多个服务器进行ipmi带外硬件，包括如下步骤：启动对服务器的定时监控任务；嵌入ipmitool工具；检测是否介入ilo网络；如果是，则利用ipmitool工具对服务器进行硬件状态监控，否则记录故障信息。

在本发明的一个实施例中，所述利用ipmitool工具对服务器进行硬件状态监控，包括如下步骤：通过API接口汇总各IDC的内网IP地址列表，定时并发对所述多个服务器进行ipmi带外硬件巡检，并发多个tcp连接。

在本发明的一个实施例中，所述根据硬件状态和预设故障知识库对每个所述服务器进行故障等级过滤采用自动或手动方式执行。

在本发明的一个实施例中，所述对所述故障等级和故障信息进行分析包括：分析故障等级和故障信息对应的故障对整机的影响程序。

本发明第二方面的实施例提出了一种服务器的硬件状态监控系统，包括：带外巡检模块、故障等级划分模块、故障分析模块和推送模块。

其中，带外巡检模块用于对多个服务器进行智能型平台管理接口ipmi带外硬件巡检以获取每个所述服务器的硬件状态；故障等级划分模块用于根据所述硬件状态和预设故障知识库对每个所述服务器进行故障等级过滤并获取每个所述服务器的故障信息和故障等级；故障分析模块用于对所述故障等级和故障信息进行分析；推送模块用于根据分析结果选择性地将故障信息推送至事务处理平台以由所述事务处理平台对故障进行排除。

根据本发明实施例的服务器的硬件状态监控系统自动化对大批量服务器硬件运行状态进行监控，解决了当前大批量服务器人工巡检的故障遗漏以及响应不及时的问题，在节省了人力巡检成本的支出的同时，避免了人为造成设备异常中断的影响，且大大提高了日常运维效率及故障预判.同时增强业务监控部署变更的灵活性及可操控性。

当日常故障发生时，可以调用监控数据库，实时查询服务器硬件运行状态，及时发现目常异常服务器报警信息，从而方便快速进行配件报修及更换响应，为新设备集中到货提供运维保障及技术支持，同时数据库的信息储备便于新服务器到货质量统计。在技术要求降低的同时，带来更多的可操控性，同时批量监控的预判给集中正常运行提高必要的数据参考及技术保证。

在本发明的一个实施例中，所述带外巡检模块用于启动对服务器的定时监控任务，嵌入ipmitool工具，并检测是否介入ilo网络，如果是，则利用ipmitool工具对服务器进行硬件状态监控，否则记录故障信息。

在本发明的一个实施例中，所述带外巡检模块通过API接口汇总各IDC的内网IP地址列表，定时并发对所述多个服务器进行ipmi带外硬件巡检，并发多个tcp连接。

在本发明的一个实施例中，所述故障等级划分模块根据硬件状态和预设故障知识库采用自动或手动方式对每个所述服务器进行故障等级过滤。

在本发明的一个实施例中，所述故障分析模块对所述故障等级和故障信息进行分析包括：分析故障等级和故障信息对应的故障对整机的影响程序。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明一个实施例的服务器的硬件状态监控方法的流程图；

图2是根据本发明另一个实施例的服务器的硬件状态监控方法的流程图；和

图3是根据本发明实施例的服务器的硬件状态监控系统的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

下面参考图1描述根据本发明实施例的服务器的硬件状态监控方法，包括如下步骤：

步骤S110：对多个服务器进行智能型平台管理接口ipmi(智能平台管理接口)带外硬件巡检以获取每个服务器的硬件状态。

对多个服务器进行ipmi带外硬件，包括如下步骤：

步骤S111：启动对服务器的定时监控任务。

步骤S112：嵌入ipmitool工具。

步骤S113：检测是否介入ilo网络。

步骤S114：如果是，则利用ipmitool工具对服务器进行硬件状态监控，否则记录故障信息。

在本发明的一个实施例中，利用ipmitool工具对服务器进行硬件状态监控，包括如下步骤：通过API接口汇总各IDC的内网IP地址列表，定时并发对多个服务器进行ipmi带外硬件巡检，并发多个tcp连接。

步骤S120：根据硬件状态和预设故障知识库对每个服务器进行故障等级过滤并获取每个服务器的故障信息和故障等级。

其中，根据硬件状态和预设故障知识库对每个服务器进行故障等级过滤采用自动或手动方式执行。

步骤S130：对故障等级和故障信息进行分析，根据分析结果选择性地将故障信息推送至事务处理平台以由事务处理平台对故障进行排除。

其中，对故障等级和故障信息进行分析包括：分析故障等级和故障信息对应的故障对整机的影响程序。

下面参考图2通过本发明的一个实施例对根据本方法进行说明，可以理解的是，下述说明仅出于示例目的，根据本发明的实施例不限于此。

步骤S201，部署服务器集群，启动对服务器的定时监控任务，根据各厂商对ipmi的支持情况。具体地，每日凌晨监控服务器的crontab，即启动对服务器的定时监控任务。

步骤S202，嵌入ipmitool工具，通过进行ipmitool编译嵌入ipmitool工具HWMonitor.py，使之最大限度支持所有均衡型服务器的传感器信息监控范围。ipmitool是一种linux系统下的命令行方式的IPMI平台管理工具。

步骤S203，检测是否介入ilo网络，如果不是，则执行步骤S206，否则执行步骤S204。

步骤S204，通过API接口汇总各IDC的内网IP地址列表，定时并发对多个服务器进行ipmi带外硬件巡检以实现对服务器的带外监控，并发多个tcp连接。例如，设置每天凌晨并发对所有设备进行ipmi带外硬件巡检，并发150个tcp连接，2小时之内完成至少6w台设备的硬件状态巡检任务。每天自动巡检数据库录入信息如表1所示。

表1

步骤S205，根据硬件状态和预设故障知识库对每个服务器进行故障等级过滤并获取每个服务器的故障信息和故障等级。其中，根据硬件状态和预设故障知识库对每个服务器进行故障等级过滤采用自动或手动方式执行。

例如，每天脚本执行前自动对字段mon_serial加1，通过加1来保证当天所有上传至数据库的记录中，该字段值为最大，从而方便进行故障等级过滤。如表2、表3所示，根据收集的故障信息，针对不同硬件厂商预设的故障监控字段进行故障分类。

表2

表3

步骤S206，利用MySQLdb记录故障信息。

步骤S207，对故障等级和故障信息进行分析，根据分析结果选择性地将故障信息推送至事务处理平台以由事务处理平台对故障进行排除。根据各故障配件的故障描述进行相应的硬件故障预报警。并根据配件对整机的影响范围智能进行判断是否需要推送至事务处理平台进行处理。

步骤S208，每日自动巡检结束。

当日常故障发生时，首先调用监控数据库，可以及时发现目常异常服务器的报警信息，从而方便快速的进行配件报修以及更换响应。此外，可以对新设备集中到货提供运维保障及技术支持，数据库的信息储备便于新服务器到货质量统计。这样可以避免当故障发生时，由内核到OS，由BIOS到硬件逐步诊断的过程，在降低技术要求的同时带来更多的可操控性，批量监控的预判给集中正常运行提供了必要的数据参考及技术保证。

根据本发明实施例的服务器的硬件状态监控方法对ipmitool进行嵌入，根据不同厂商服务器硬件工作特点及设计描述进行功能完善，最大限度扩展标准bmc对硬件传感器信息的可识别范围。通过智能识别硬件状态数据，解决了当前大批量服务器人工巡检的故障遗漏及响应不及时问题，自动化解决大批量服务器硬件运行状态监控任务，实现均衡型服务器监控范围达到95％覆盖，节省人力巡检成本的支出，大幅度提高服务器日常使用效率，为业务部署及正常运行提供足够的安全保障，高效且精准。为日常运维提供准确的故障预警，实现实时查询服务器硬件运行状态，针对业务突发状况或性能异常能够快速故障定位及提供必要运行参数，缩短故障影响时间同时提供故障预警机制给业务部署调整带来足够时间保证。在故障发生时段提供必要的数据参考。本方法在节约人工成本的同时，最大限度的完善集群自动化运维标准。

下面参考图3描述根据本发明实施例的服务器的硬件状态监控系统100，带外巡检模块110、故障等级划分模块120、故障分析模块130和推送模块140。

其中，带外巡检模块110用于对多个服务器进行智能型平台管理接口ipmi带外硬件巡检以获取每个服务器的硬件状态；故障等级划分模块120用于根据硬件状态和预设故障知识库对每个服务器进行故障等级过滤并获取每个服务器的故障信息和故障等级；故障分析模块130用于对故障等级和故障信息进行分析；推送模块140用于根据分析结果选择性地将故障信息推送至事务处理平台以由事务处理平台对故障进行排除。

在本发明的一个实施例中，带外巡检模块110用于启动对服务器的定时监控任务，嵌入ipmitool工具，并检测是否介入ilo网络，如果是，则利用ipmitool工具对服务器进行硬件状态监控，否则记录故障信息。

其中，带外巡检模块110通过API接口汇总各IDC的内网IP地址列表，定时并发对多个服务器进行ipmi带外硬件巡检，并发多个tcp连接。

此外，故障等级划分模块120根据硬件状态和预设故障知识库采用自动或手动方式对每个服务器进行故障等级过滤。

故障分析模块130对故障等级和故障信息进行分析包括：分析故障等级和故障信息对应的故障对整机的影响程序。

下面通过本发明的一个实施例对根据本系统进行说明，可以理解的是，下述说明仅出于示例目的，根据本发明的实施例不限于此。

部署服务器集群，带外巡检模块110启动对服务器的定时监控任务，根据各厂商对ipmi的支持情况，带外巡检模块110通过进行ipmitool编译嵌入ipmitool工具，使之最大限度支持所有均衡型服务器的传感器信息监控范围。

带外巡检模块110检测是否介入ilo网络。

如果不是，带外巡检模块110则记录故障信息。

如果是，带外巡检模块110则通过API接口汇总各IDC的内网IP地址列表，定时并发对多个服务器进行ipmi带外硬件巡检，并发多个tcp连接。例如，带外巡检模块110设置每天凌晨并发对所有设备进行ipmi带外硬件巡检，并发150个tcp连接，2小时之内完成至少6w台设备的硬件状态巡检任务。带外巡检模块110每天自动巡检数据库录入信息如表1所示。

故障等级划分模块120根据硬件状态和预设故障知识库对每个服务器进行故障等级过滤并获取每个服务器的故障信息和故障等级。其中，故障等级划分模块120根据硬件状态和预设故障知识库对每个服务器进行故障等级过滤采用自动或手动方式执行。

例如，带外巡检模块110每天脚本执行前自动对字段mon_serial加1，通过加1来保证当天所有上传至数据库的记录中，该字段值为最大，从而方便进行故障等级过滤。如表2、表3所示，根据带外巡检模块110收集的故障信息，故障等级划分模块120针对不同硬件厂商预设的故障监控字段进行故障分类。

故障分析模块130对故障等级和故障信息进行分析，推送模块140根据分析结果选择性地将故障信息推送至事务处理平台以由事务处理平台对故障进行排除。故障分析模块130可以根据各故障配件的故障描述进行相应的硬件故障预报警。故障分析模块130根据配件对整机的影响范围智能进行判断，由推送模块140选择推送至事务处理平台进行处理。

当日常故障发生时，首先调用监控数据库，可以及时发现目常异常服务器的报警信息，从而方便快速的进行配件报修以及更换响应。此外，可以对新设备集中到货提供运维保障及技术支持，数据库的信息储备便于新服务器到货质量统计。这样可以避免当故障发生时，由内核到OS，由BIOS到硬件逐步诊断的过程，在降低技术要求的同时带来更多的可操控性，批量监控的预判给集中正常运行提供了必要的数据参考及技术保证。

根据本发明实施例的服务器的硬件状态监控系统对ipmitool进行嵌入，根据不同厂商服务器硬件工作特点及设计描述进行功能完善，最大限度扩展标准bmc对硬件传感器信息的可识别范围。通过智能识别硬件状态数据，解决了当前大批量服务器人工巡检的故障遗漏及响应不及时问题，自动化解决大批量服务器硬件运行状态监控任务，实现均衡型服务器监控范围达到95％覆盖，节省人力巡检成本的支出，大幅度提高服务器日常使用效率，为业务部署及正常运行提供足够的安全保障，高效且精准。为日常运维提供准确的故障预警，实现实时查询服务器硬件运行状态，针对业务突发状况或性能异常能够快速故障定位及提供必要运行参数，缩短故障影响时间同时提供故障预警机制给业务部署调整带来足够时间保证。在故障发生时段提供必要的数据参考。本系统在节约人工成本的同时，最大限度的完善集群自动化运维标准。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同限定。

Claims (6)

1.一种服务器的硬件状态监控方法，其特征在于，包括如下步骤：

启动对服务器的定时监控任务；

嵌入ipmitool工具；

检测是否介入服务器远程管理ilo网络；

如果是，则通过API接口汇总各互联网数据中心IDC的内网IP地址列表，定时并发对多个服务器进行ipmi带外硬件巡检，并发多个tcp连接，否则记录故障信息，以获取每个所述服务器的硬件状态；

根据所述硬件状态和预设故障知识库对每个所述服务器进行故障等级过滤并获取每个所述服务器的故障信息和故障等级，其中，根据所述故障信息，针对不同硬件厂商预设的故障监控字段进行故障分类；以及

对所述故障等级和故障信息进行分析，根据分析结果选择性地将故障信息推送至事务处理平台以由所述事务处理平台对故障进行排除。

2.如权利要求1所述方法，其特征在于，所述根据硬件状态和预设故障知识库对每个所述服务器进行故障等级过滤采用自动或手动方式执行。

3.如权利要求1所述方法，其特征在于，所述对所述故障等级和故障信息进行分析包括：分析故障等级和故障信息对应的故障对整机的影响程序。

4.一种服务器的硬件状态监控系统，其特征在于，包括：

带外巡检模块，用于启动对服务器的定时监控任务，嵌入ipmitool工具，并检测是否介入服务器远程管理ilo网络，如果是，则通过API接口汇总各互联网数据中心IDC的内网IP地址列表，定时并发对多个服务器进行ipmi带外硬件巡检，并发多个tcp连接，否则记录故障信息，以获取每个所述服务器的硬件状态；

故障等级划分模块，用于根据所述硬件状态和预设故障知识库对每个所述服务器进行故障等级过滤并获取每个所述服务器的故障信息和故障等级，其中，根据所述故障信息，针对不同硬件厂商预设的故障监控字段进行故障分类；

故障分析模块，用于对所述故障等级和故障信息进行分析；以及

推送模块，用于根据分析结果选择性地将故障信息推送至事务处理平台以由所述事务处理平台对故障进行排除。

5.如权利要求4所述系统，其特征在于，所述故障等级划分模块根据硬件状态和预设故障知识库采用自动或手动方式对每个所述服务器进行故障等级过滤。

6.如权利要求4所述系统，其特征在于，所述故障分析模块对所述故障等级和故障信息进行分析包括：分析故障等级和故障信息对应的故障对整机的影响程序。