Hardware de servidor (Redfish)

O próprio hardware de um servidor, lido do seu controlador de gestão (BMC): ventoinhas, temperaturas contra os seus próprios limiares, fontes de alimentação e a sua redundância, discos, memória, processadores e o registo de eventos.

O Redfish é a interface HTTPS que a DMTF padronizou para controladores de gestão, e todo controlador atual a fala: Supermicro, Dell iDRAC, HPE iLO, Lenovo XClarity Controller, ASRock Rack, OpenBMC. É a forma correta de monitorizar hardware de servidor. O agente SNMP de um BMC, por contraste, geralmente descreve o próprio BMC — o seu pequeno Linux ARM, a sua memória, as suas ligações de rede — e não o servidor que gere (ver SNMP).

Testado apenas contra os modelos de referência da DMTF

Esta integração foi construída e verificada contra os modelos de referência oficiais Redfish da DMTF (servidor em rack, servidor torre com armazenamento local, servidor arrefecido a líquido com os esquemas térmicos e de energia mais recentes), servidos pelo servidor de modelos da DMTF. Toda chamada é uma leitura e as formas dos recursos são as padrão, mas ainda não foi executada contra um Supermicro, iDRAC ou iLO real durante semanas. Diga-nos o que falha.

O que monitoriza

Todas as métricas têm o prefixo dumbmonit_redfish_. As séries de saúde são 0 (OK), 1 (Warning) ou 2 (Critical), diretamente de Status.Health.

Família	Métricas	Etiquetas
Serviço	info (valor 1)	vendor, product, redfish_version
Sistema	system_health (a sua própria), system_health_rollup (tudo o que contém), system_power_on, memory_health, processor_health (os resumos do controlador, um valor para todos os DIMMs e todas as CPUs), memory_total_bytes	system
Chassis	chassis_health, chassis_health_rollup	chassis
Temperaturas	temperature_celsius, temperature_upper_critical_celsius e temperature_upper_caution_celsius (os próprios limiares críticos e de aviso do sensor, quando os declara), temperature_health	chassis, sensor
Ventoinhas	fan_speed_rpm (ou fan_speed_percent quando o controlador reporta uma percentagem), fan_lower_critical_rpm (ou _percent: o mínimo próprio declarado da ventoinha, só esquema mais antigo), fan_health, fan_redundancy_health	chassis, fan / group
Energia	psu_health, psu_output_watts, psu_capacity_watts, power_redundancy_health, power_consumed_watts	chassis, psu / group
Tensões	voltage_volts, voltage_health	chassis, sensor
Armazenamento	storage_health, drive_health, drive_failure_predicted, drive_life_left_percent (SSDs), drive_capacity_bytes	system, storage, drive, media
Controlador	manager_health, manager_info (valor 1)	manager, firmware, model
Registos	log_entries, log_critical_entries, log_warning_entries	owner (sistema ou controlador), log
Coleta	scrape_errors, scrape_duration_seconds

Uma ranhura vazia não é uma falha. Um componente cujo Status.State é Absent (um compartimento de fonte de alimentação vazio, uma ranhura de DIMM livre, uma segunda CPU em falta) ou Disabled (um grupo de redundância não configurado) não produz nenhuma série. Um servidor entregue com uma fonte de alimentação de duas é saudável, e lê-se como tal.

Duas gerações do esquema, um conjunto de séries. A maioria dos controladores em serviço ainda publica os recursos mais antigos Chassis/{id}/Thermal e Chassis/{id}/Power, um pedido por cada sensor; os mais recentes só publicam ThermalSubsystem, PowerSubsystem, EnvironmentMetrics e Sensors, um recurso por ventoinha, fonte de alimentação e sensor. O DumbMonit lê a forma mais antiga quando existe e a mais recente caso contrário; ambas produzem exatamente as mesmas séries e etiquetas, por isso uma regra escrita uma vez funciona em ambas.

Os registos são contados, nunca lidos. As entradas de registo podem nomear anfitriões, endereços e utilizadores: o DumbMonit mantém só quantas entradas há, e quantas da primeira página que o controlador serve são Critical ou Warning.

As regras incorporadas que se aplicam: Server fan failed, Server temperature above critical, Power supply redundancy lost, Power supply failed, Drive failure predicted, Server health critical, mais Monitor unreachable.

A página do monitor

Um monitor Redfish recebe o seu próprio painel na sua página, acima dos gráficos, lido do que a última verificação guardou: abrir a página nunca consulta o controlador. Responde, por esta ordem:

1. Se o servidor está saudável. Uma palavra — Healthy, Degraded ou Critical — da própria saúde e resumos do controlador, e sob ela cada componente que a arrasta para baixo, numa frase: CPU1 Temp is at 47 °C, at or above its critical threshold of 45 °C, Power supply redundancy is lost, Drive 3 predicts its own failure. Quando o controlador resume o servidor como degradado sem nomear nada que o DumbMonit leia, o painel diz-o e aponta para o seu registo de eventos. Abaixo: estado de alimentação, consumo de energia, memória instalada e o firmware do controlador.
2. Se as ventoinhas e temperaturas estão dentro dos seus limites. Cada sensor é comparado com os limiares que o controlador declara para esse sensor — as suas temperaturas de aviso e crítica, a velocidade mínima de uma ventoinha — nunca com um número do DumbMonit. Um sensor que não declara nenhum limiar mostra a sua leitura e nenhum veredicto, a menos que o próprio controlador o reporte como degradado. Os problemas são listados primeiro.
3. Se a energia é redundante. Cada grupo de redundância (Redundant, Redundancy degraded, Redundancy lost), depois cada fonte de alimentação presente com a sua saída contra a sua capacidade e o seu estado. Sem nenhum grupo de redundância, o painel diz que o controlador não declara nenhum: uma única fonte, ou redundância não configurada.
4. Se os discos estão saudáveis. Cada controlador de armazenamento, depois cada disco com a sua capacidade, a vida restante de um SSD e o seu estado; Failure predicted vem antes de tudo o resto.
5. Memória, processadores e controlador: os resumos de uma palavra do controlador para todos os DIMMs e todas as CPUs, a própria saúde, modelo e firmware do controlador de gestão, e as tensões.
6. Registos de eventos: entradas contadas por severidade. As entradas permanecem até alguém limpar o registo, por isso uma contagem crítica pode ser notícia antiga: é mostrada, mas não altera a palavra de saúde do servidor.

Compartimentos vazios e ranhuras livres nunca aparecem: não produzem nenhuma série. Todo estado é uma palavra além de uma cor, e um valor desconhecido lê «—», nunca 0.

Criar uma conta só de leitura no controlador de gestão

1. Abra a interface web do controlador de gestão (BMC), não o sistema operativo do servidor. Crie um novo utilizador local com o seguinte nome, com uma senha longa não usada em nenhum outro lugar.

   dumbmonit

2. Dê-lhe a função mais baixa que pode ler, e nada mais. Supermicro: Configuration → Users → Add User, privilégio User, e marque Redfish no tipo de conta. Dell iDRAC: iDRAC Settings → Users → Local Users → Add, função Read Only. HPE iLO: Administration → User Administration → New, desmarque todos os privilégios exceto Login. Lenovo XClarity Controller: BMC Configuration → User/LDAP → Create, função Read-only. ASRock Rack: Settings → User Management, privilégio User.

3. Verifique a partir de qualquer máquina na rede de gestão que a conta consegue ler o Redfish. O comando pede a senha e imprime o nome e a saúde do servidor.

   curl -k -u dumbmonit https://bmc.lan/redfish/v1/Systems

4. No DumbMonit, introduza o endereço do controlador, por exemplo «bmc.lan» ou «10.0.0.50», depois o nome de utilizador e senha dessa conta.

5. O DumbMonit só lê: ventoinhas, temperaturas, tensões, fontes de alimentação, discos, resumos de memória e processador, e quantas entradas de registo há por severidade. Nunca liga ou desliga o servidor, nunca altera uma definição e nunca lê o texto dos registos.

Warning

Não reutilize a conta de fábrica do controlador: pode desligar o servidor, montar media e reprogramar o firmware. Os controladores de gestão também vêm com um certificado autoassinado: se a ligação for recusada por esse motivo, marque «Accept an unverifiable certificate» nas opções. Um controlador responde lentamente e uma leitura completa demora vários pedidos: se o monitor reportar tempos limite, aumente DUMBMONIT_PROBE_TIMEOUT_SECS no servidor.

Os nomes de menu acima são os do firmware atual; gerações mais antigas movem-nos mas mantêm as mesmas funções. No Supermicro, o tipo de conta mostrado ao criar um utilizador decide quais interfaces pode usar: uma conta sem acesso Redfish é recusada com um 401 mesmo com a senha certa.

Credenciais

Credencial	Campos
Conta do controlador de gestão	Nome de utilizador e senha da conta só de leitura.

Endereço: o nome de anfitrião ou IP do controlador, por exemplo bmc.lan ou 10.0.0.50. A porta predefinida é 443; escreva anfitrião:porta para outra, ou um URL completo (https://bmc.lan:8443).

Opções

Opção	Predefinição	Efeito
port	443	Porta HTTPS, se o endereço não der uma.
insecure_tls	false	Aceitar um certificado autoassinado.
request_timeout_seconds	8	Tempo permitido para cada chamada Redfish, de 1 a 120.
auth	basic	basic envia o nome de utilizador e senha em cada pedido e não deixa nada aberto no controlador. session inicia sessão uma vez e reutiliza o token de sessão (X-Auth-Token), reabrindo-o só quando o controlador o recusa e fechando o que substitui. Use-o só se o controlador recusar a autenticação básica: os controladores só têm um punhado de lugares de sessão.
storage	true	Ler os controladores de armazenamento e cada disco atrás deles. Um pedido por disco.
logs	true	Contar as entradas do registo de eventos do sistema e do próprio registo do controlador, por severidade.

Uma leitura completa são algumas dezenas de pedidos: a raiz do serviço, depois cada sistema, chassis e controlador, os seus recursos térmicos e de energia, os controladores de armazenamento e discos, os serviços de registo. O DumbMonit envia no máximo quatro ao mesmo tempo. Um controlador lento pode precisar de um tempo limite de verificação maior (DUMBMONIT_PROBE_TIMEOUT_SECS, ver Configuração) e um intervalo de verificação de dois minutos ou mais.

Erros comuns

Sintoma	Causa provável
Authentication refused	Senha errada, ou a conta não é autorizada a usar o Redfish (tipo de conta no Supermicro, privilégio «Login» em falta no iLO).
Insufficient privileges	A função é demasiado baixa para um recurso; o resto da leitura continua a passar. Alguns controladores escondem o registo de eventos da sua função mais baixa.
TLS certificate rejected	O certificado autoassinado do controlador: marque «Accept an unverifiable certificate», ou instale um certificado de confiança no controlador.
Timed out	O controlador é lento a responder: aumente DUMBMONIT_PROBE_TIMEOUT_SECS, desligue storage ou logs, ou alargue o intervalo.
Nenhum limiar de temperatura	O controlador não publica UpperThresholdCritical para esse sensor: a temperatura continua a ser registada, mas a regra incorporada não a pode comparar com nada.