BH-设备健康实时监测平台V1.0-IT设备-PTT PDF-发布版.pdf

设备健康实时监测平台 IT篇 南京碧慧电子技术有限公司 目录 1 现状分享 2 平台框架 3 平台原理 4 平台优势 5 平台益处 南京碧慧电子 现状分享 传统的设备管理方法 设备系统管理员定期到巡视 传统的设备管理方法缺陷分析 传统管理方法存在时效性差、监控设备范围和数量有限、设备宕机 后无法追查原因、占用系统资源较多的缺点； 无法对设备系统的实时监控，不能够监控网络状态（无法发现整个 网络节点、判断网络节点的在线状态、判断网络的通断、监测网络 结点的OS、IP、主机名、网络流量大小等信息）； 南京碧慧电子 现状分享 监控服务器系统静态信息 （CPU、内存、硬盘、光驱、网卡、显卡、 操作系统、RAID卡、PCI附加卡等信息）和动态信息 （主板、CPU、 SCSI 模组、风扇板等设备的温度、电压、风扇转速信息以及CPU利 用率、内存利用率、硬盘I/O访问流量等系统资源信息） 无法实现对RAID阵列的管理； 被监控量发生超越门限等异常事件时，也无法获取报警信息，不方 便管理员根据告警日志分析诊断。 设备出现故障处理方法 一般是管理员到故障现场根据经验诊断故障原因，管理员不可以通 过网络或者串口访问远端设备，通过获取事件日志和传感器数据记 录来分析、确认故障原因，并通过远程操作来实现设备恢复。 南京碧慧电子 IT设备健康实时监测平台 南京碧慧电子 平台工作原理 南京碧慧电子 服务器部分指标 1/2  TEMP （温度）  Ambient Temp （环境温度）、CPU PECI tics （CPU 温度）；  FAN （风扇）  Fan （风扇转速）、Power Supply Fan Fault （电源风扇故障），能够定 位到每个风扇；  CPU、VRM  CPU Status （CPU 状态）、VRM Status （CPU 供电模块）、CPU PECI tics （CPU 温度），能够定位到每颗CPU；  RAID  RAID Error （阵列卡错误）；  LOG （日志）  SEL Fullness （事件日志大小）；  NMI （硬件错误）  NMI State；  LINK （QPI 端口或QPI 可宽展电缆）  服务器级联端口； 南京碧慧电子 服务器部分指标2/2  PCI （PCI 适配器）  PCI System Err；  MEM （内存）  Mem Overtemp，能够定位到每根内存；  CNFG （配置错误）；  DASD （硬盘驱动器错误）  Hdwr version err ，能够定位到每块硬盘；  BOARD(I/O 故障) ；I/O Channel Chk；  PS