2. ThinkSystem硬件与固件监控对象梳理
要对Lenovo ThinkSystem做监控告警与容量运营，第一步不是急着接告警通道，而是把"被监控对象"梳理清楚。ThinkSystem是一个覆盖机架服务器、刀片、高密度多节点、存储与网络交换的硬件家族，其可观测性来自两条主线：一条是带外管理控制器（XCC/XClarity Controller）暴露的硬件与固件状态，另一条是操作系统内代理或带内工具采集的性能与容量数据。本节聚焦第一条主线，把服务器、存储、网络、机箱、电源、风扇、RAID卡、HBA等关键部件，以及XCC的监控能力逐一拆开。
一、XCC：所有硬件监控的汇聚点
XClarity Controller（XCC）是集成在ThinkSystem主板上的带外管理控制器，前身是IMM，在SR系列与新一代机架机型上统一称为XCC。它独立于操作系统运行，只要服务器接通电源（待机电源即可），XCC就能工作。这意味着即使操作系统宕机、业务中断，XCC仍能上报硬件状态——这正是硬件监控与业务监控最大的区别。
XCC对外提供的主要接口包括：Redfish REST API（推荐用于自动化采集）、SNMP Trap（用于事件推送）、Syslog转发、以及Web界面和CLI。监控系统通常通过Redfish轮询获取当前状态，同时订阅SNMP Trap或配置告警转发来接收实时事件。XCC能监控的对象大致分为几类：温度与散热（进风口温度、CPU温度、各风扇转速）、电源（PSU状态、输入电压、功耗）、存储控制器（RAID卡状态、虚拟盘与物理盘健康）、内存（ECC错误、可纠正/不可纠正错误计数）、处理器（状态、温度、微码版本）、以及固件版本与更新状态。
/redfish/v1/Systems/1 为根，处理器、内存、存储、电源、散热分别位于 /Processors、/Memory、/Storage、/Power、/Thermal 等子资源下。采集时建议先拉取 /redfish/v1/Chassis/1/Thermal 与 /Power，这两个端点信息密度最高。二、关键部件与监控能力对照
不同部件的监控粒度差异很大，理解这一点决定了告警阈值怎么设、容量数据怎么采。下面这张图把ThinkSystem主要部件与XCC的监控能力、典型采集端点、以及可观测的关键指标对应起来，便于在搭建监控时逐项核对。
三、从"能监控"到"该监控什么"
XCC能读到的对象很多，但监控系统不应该把所有字段都变成告警。梳理监控对象时，建议按"健康状态类"和"容量趋势类"分开处理。
健康状态类关注的是"现在是否正常"，典型如PSU冗余是否丢失、风扇是否停转、RAID虚拟盘是否降级、内存是否出现不可纠正错误。这类指标适合设阈值告警，且多数能通过SNMP Trap实时获得。例如XCC在检测到电源冗余丢失时会推送一条Trap，监控平台应立即产生告警，而不是等下一次轮询。
容量趋势类关注的是"还能撑多久"，典型如硬盘剩余容量、RAID组可用空间、内存已配置容量、机箱槽位占用率。这类数据变化慢，适合按小时或按天采集并存入时序库，用于容量预测。把这两类混在一起，往往导致告警风暴或容量盲区。
四、一个可执行的采集清单示例
下面给出一份基于Redfish的采集清单示例，字段和周期为教学示例，实际部署时应根据机型与XCC固件版本调整。清单按对象分组，每行说明采集端点、关键字段与建议周期。
| 监控对象 | Redfish 端点 | 关键字段 | 建议周期 | 用途 |
|---|---|---|---|---|
| 处理器 | /Systems/1/Processors | Status.Health, Model, MicrocodeVersion | 300s | 健康 + 固件合规 |
| 内存 | /Systems/1/Memory | Status.Health, CapacityMiB, ECCErrorCount | 300s | 健康 + 容量 |
| RAID 卡 | /Systems/1/Storage | ControllerStatus, FirmwareVersion, BatteryStatus | 300s | 健康 + 固件合规 |
| 物理盘 | /Systems/1/Storage/.../Drives | Status.Health, CapacityBytes, PredictedFailure | 600s | 健康 + 容量 |
| 电源 | /Chassis/1/Power | PowerSupply.Status, InputVoltage, PowerConsumedWatts | 60s | 健康 + 功耗 |
| 风扇/温度 | /Chassis/1/Thermal | Fan.SpeedRPM, Temperature.ReadingCelsius | 30s | 健康 |
| 网卡 | /Systems/1/EthernetInterfaces | LinkStatus, SpeedMbps, FirmwareVersion | 300s | 健康 + 固件合规 |
五、实操：用一条命令验证XCC可采集性
在正式接入监控平台前，建议先用curl验证XCC的Redfish接口是否可达、认证是否正常。以下命令为示例，IP、用户名和密码需替换为实际值。
# 获取机箱散热信息（风扇转速与温度）
curl -k -u USER:PASS \
https://192.168.10.21/redfish/v1/Chassis/1/Thermal
# 获取电源与功耗信息
curl -k -u USER:PASS \
https://192.168.10.21/redfish/v1/Chassis/1/Power
# 获取存储控制器与硬盘状态
curl -k -u USER:PASS \
https://192.168.10.21/redfish/v1/Systems/1/Storage返回的JSON中，重点看 Status.Health 字段，其取值通常为 OK、Warning、Critical。如果某个风扇的 ReadingRPM 为0而 Status.Health 仍为OK，说明该风扇可能未被正确识别，需要检查XCC固件版本或风扇在位状态。这一步能提前发现"接口通但数据不可信"的问题，避免监控上线后出现假阴性。