Hardware de servidor (Redfish)

O próprio hardware de um servidor, lido de seu controlador de gerenciamento (BMC): ventoinhas, temperaturas contra seus próprios limites, fontes de alimentação e sua redundância, discos, memória, processadores e o log de eventos.

Redfish é a interface HTTPS que a DMTF padronizou para controladores de gerenciamento, e todo controlador atual a fala: Supermicro, Dell iDRAC, HPE iLO, Lenovo XClarity Controller, ASRock Rack, OpenBMC. É a forma certa de observar o hardware do servidor. O agente SNMP de um BMC, em contraste, geralmente descreve o próprio BMC — seu pequeno Linux ARM, sua memória, seus links de rede — e não o servidor que ele gerencia (veja SNMP).

Testado apenas contra os mockups de referência da DMTF

Esta integração foi construída e verificada contra os mockups Redfish oficiais da DMTF (servidor rack, servidor tower com armazenamento local, servidor com refrigeração líquida com os esquemas térmicos e de energia mais novos), servidos pelo servidor de mockup da DMTF. Toda chamada é uma leitura e as formas de recurso são as padrão, mas ainda não foi executada contra um Supermicro, iDRAC ou iLO real por semanas. Avise-nos o que não funcionar.

O que ele observa

Todas as métricas têm o prefixo dumbmonit_redfish_. Séries de saúde são 0 (OK), 1 (Aviso) ou 2 (Crítico), direto de Status.Health.

Família	Métricas	Rótulos
Serviço	info (valor 1)	vendor, product, redfish_version
Sistema	system_health (a do próprio sistema), system_health_rollup (tudo 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
Chassi	chassis_health, chassis_health_rollup	chassis
Temperaturas	temperature_celsius, temperature_upper_critical_celsius e temperature_upper_caution_celsius (os próprios limites críticos e de atenção do sensor, quando declarados), temperature_health	chassis, sensor
Ventoinhas	fan_speed_rpm (ou fan_speed_percent quando o controlador reporta uma porcentagem), fan_lower_critical_rpm (ou _percent: o mínimo próprio declarado da ventoinha, apenas 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
Logs	log_entries, log_critical_entries, log_warning_entries	owner (sistema ou controlador), log
Coleta	scrape_errors, scrape_duration_seconds

Um slot vazio não é uma falha. Um componente cujo Status.State é Absent (um compartimento de fonte de alimentação vazio, um slot DIMM livre, uma segunda CPU faltando) ou Disabled (um grupo de redundância não configurado) não produz série alguma. Um servidor entregue com uma fonte de alimentação de duas é saudável, e é mostrado como tal.

Duas gerações do esquema, um único conjunto de séries. A maioria dos controladores em serviço ainda publica os recursos mais antigos Chassis/{id}/Thermal e Chassis/{id}/Power, uma requisição cada para todo sensor; os mais novos 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 nova caso contrário; ambas produzem exatamente as mesmas séries e rótulos, então uma regra escrita uma vez funciona em ambas.

Os logs são contados, nunca lidos. Entradas de log podem nomear hosts, endereços e usuários: o DumbMonit mantém apenas quantas entradas existem, e quantas da primeira página que o controlador serve são Críticas ou de Aviso.

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

A página do monitor

Um monitor Redfish recebe seu próprio painel em sua página, acima dos gráficos, lido do que a última sondagem armazenou: abrir a página nunca consulta o controlador. Responde, nesta ordem:

1. Se o servidor está saudável. Uma palavra — Saudável, Degradado ou Crítico — a partir da saúde e resumos do próprio controlador, e abaixo dela todo componente que o arrasta para baixo, em uma frase: CPU1 Temp está em 47 °C, no ou acima de seu limite crítico de 45 °C, A redundância da fonte de alimentação está perdida, O Disco 3 prevê sua própria falha. Quando o controlador classifica o servidor como degradado sem nomear nada que o DumbMonit leia, o painel avisa isso e aponta para seu log de eventos. Abaixo: estado de energia, consumo de energia, memória instalada e o firmware do controlador.
2. Se ventoinhas e temperaturas estão dentro de seus limites. Cada sensor é comparado com os limites que o controlador declara para aquele sensor — suas temperaturas de atenção e crítica, a velocidade mínima de uma ventoinha — nunca com um número do DumbMonit. Um sensor que não declara limite mostra sua leitura e nenhum veredito, a menos que o próprio controlador o reporte como degradado. Problemas são listados primeiro.
3. Se a energia é redundante. Cada grupo de redundância (Redundante, Redundância degradada, Redundância perdida), depois cada fonte de alimentação presente com sua saída contra sua capacidade e seu estado. Sem 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 sua capacidade, a vida restante de um SSD e seu estado; Falha prevista vem antes de qualquer outra coisa.
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 gerenciamento, e as tensões.
6. Logs de eventos: entradas contadas por severidade. Entradas permanecem até alguém limpar o log, então uma contagem crítica pode ser notícia antiga: é mostrada, mas não altera a palavra de saúde do servidor.

Compartimentos vazios e slots livres nunca aparecem: não produzem série alguma. Todo estado é uma palavra assim como uma cor, e um valor desconhecido lê ”—”, nunca 0.

Criar uma conta somente leitura no controlador de gerenciamento

1. Abra a interface web do controlador de gerenciamento (BMC), não o sistema operacional do servidor. Crie um novo usuário local nomeado como abaixo, com uma senha longa usada em nenhum outro lugar.

   dumbmonit

2. Dê a ele o papel mais baixo 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, papel Read Only. HPE iLO: Administration → User Administration → New, desmarque todo privilégio exceto Login. Lenovo XClarity Controller: BMC Configuration → User/LDAP → Create, papel Read-only. ASRock Rack: Settings → User Management, privilégio User.

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

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

4. No DumbMonit, informe o endereço do controlador, por exemplo “bmc.lan” ou “10.0.0.50”, depois o nome de usuário 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 log existem por severidade. Ele nunca liga ou desliga o servidor, nunca altera uma configuração e nunca lê o texto dos logs.

Warning

Não reutilize a conta de fábrica do controlador: ela pode desligar o servidor, montar mídia e regravar o firmware. Controladores de gerenciamento também vêm com um certificado autoassinado: se a conexão for recusada por esse motivo, marque “Aceitar um certificado não verificável” nas opções. Um controlador responde lentamente e uma leitura completa leva várias requisições: se o monitor reporta tempos esgotados, aumente DUMBMONIT_PROBE_TIMEOUT_SECS no servidor.

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

Credenciais

Credencial	Campos
Conta do controlador de gerenciamento	Nome de usuário e senha da conta somente leitura.

Endereço: o nome de host ou IP do controlador, por exemplo bmc.lan ou 10.0.0.50. A porta padrão é 443; escreva host:porta para outra, ou uma URL completa (https://bmc.lan:8443).

Opções

Opção	Padrão	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 usuário e senha com cada requisição e não deixa nada aberto no controlador. session entra uma vez e reutiliza o token de sessão (X-Auth-Token), reabrindo-o apenas quando o controlador o recusa e fechando o que ele substitui. Use apenas se o controlador recusar autenticação básica: controladores só têm algumas vagas de sessão.
storage	true	Ler os controladores de armazenamento e todo disco detrás deles. Uma requisição por disco.
logs	true	Contar as entradas do log de eventos do sistema e do próprio log do controlador, por severidade.

Uma leitura completa é algumas dezenas de requisições: a raiz do serviço, depois cada sistema, chassi e controlador, seus recursos térmicos e de energia, os controladores de armazenamento e discos, os serviços de log. O DumbMonit envia no máximo quatro por vez. Um controlador lento pode precisar de um tempo limite de sondagem mais longo (DUMBMONIT_PROBE_TIMEOUT_SECS, veja Configuração) e um intervalo de sondagem de dois minutos ou mais.

Erros comuns

Sintoma	Causa provável
Authentication refused	Senha errada, ou a conta não tem permissão para usar o Redfish (tipo de conta do Supermicro, privilégio “Login” do iLO faltando).
Insufficient privileges	O papel é muito baixo para um recurso; o resto da leitura ainda passa. Alguns controladores escondem o log de eventos de seu papel mais baixo.
TLS certificate rejected	O certificado autoassinado do controlador: marque “Aceitar um certificado não verificável”, ou instale um certificado confiável no controlador.
Timed out	O controlador é lento para responder: aumente DUMBMONIT_PROBE_TIMEOUT_SECS, desligue storage ou logs, ou aumente o intervalo.
Nenhum limite de temperatura	O controlador não publica UpperThresholdCritical para aquele sensor: a temperatura ainda é registrada, mas a regra integrada não pode comparar com nada.