4. Redfish API监控集成

Redfish 是 DMTF 定义的基于 RESTful 的带外管理接口标准，Supermicro 的 X11、X12、H12、G12 等平台 BMC 均提供 Redfish 服务。相比 IPMI 的二进制语义和 SNMP 的 MIB 依赖，Redfish 用 JSON 描述资源树，天然适合做监控采集。本节聚焦三件事：用 curl 快速验证资源可达性，用 Python 批量采集 Chassis、Systems、Managers 三类资源，再把异构字段归一成可入库、可告警的标准化指标模型。

一、先看清 Redfish 的资源树与三类核心资源

Redfish 服务入口是 /redfish/v1/，其下 ServiceRoot 会列出 Chassis、Systems、Managers、SessionService、UpdateService 等集合。监控最关心三类：

• Chassis：机箱级资源，包含 Power、Thermal、Sensors、NetworkAdapters。电源功耗、进风口温度、风扇转速、电压轨都在这里，是容量与散热告警的主来源。
• Systems：主机系统资源，包含 Processor、Memory、Storage、EthernetInterfaces、LogServices。CPU 温度、内存容量与健康、硬盘状态、BIOS 版本、开机状态来自这里。
• Managers：BMC 自身资源，包含 NetworkProtocol、EthernetInterfaces、LogServices、VirtualMedia。BMC 固件版本、管理口 IP、BMC 健康、事件日志是运维基线。

三类资源通过 Links 字段互相引用，例如 Chassis 的 Links.ComputerSystems 指向 Systems，Systems 的 Links.ManagedBy 指向 Managers。采集时先取集合成员列表，再逐个取成员详情，这是 Redfish 的标准遍历方式。

二、用 curl 做最小可用验证

采集脚本写之前，先用 curl 确认认证方式和资源路径。Redfish 支持 Basic Auth 和 Session 两种方式。Basic Auth 最简单，适合脚本快速验证：

# 1. 查看 ServiceRoot，确认服务可用
curl -sk -u ADMIN:ADMIN https://10.0.0.21/redfish/v1/ | python -m json.tool

# 2. 列出 Chassis 集合成员
curl -sk -u ADMIN:ADMIN https://10.0.0.21/redfish/v1/Chassis | python -m json.tool

# 3. 取具体 Chassis 的 Power 与 Thermal
curl -sk -u ADMIN:ADMIN https://10.0.0.21/redfish/v1/Chassis/1/Power
curl -sk -u ADMIN:ADMIN https://10.0.0.21/redfish/v1/Chassis/1/Thermal

# 4. 取 Systems 与 Managers
curl -sk -u ADMIN:ADMIN https://10.0.0.21/redfish/v1/Systems/1
curl -sk -u ADMIN:ADMIN https://10.0.0.21/redfish/v1/Managers/1

注意 -k 跳过自签证书校验，生产环境应导入 BMC 证书或指定 CA。返回中 Members@odata.count 给出成员数量，Members[].@odata.id 给出成员路径。若返回 401，检查账号权限；若返回 404，确认固件版本是否支持该资源；若返回 503，BMC 可能正在重启。

三、Python 采集：会话复用与分页处理

批量采集时不要每次请求都重新认证，应创建 Session 并复用 X-Auth-Token。下面是一个可直接运行的最小采集器，使用 requests 库，带超时、重试和资源遍历：

import requests, json, time
from requests.adapters import HTTPAdapter
from urllib3.util.retry import Retry

requests.packages.urllib3.disable_warnings()

class RedfishCollector:
    def __init__(self, host, user, pwd, timeout=8):
        self.base = f"https://{host}/redfish/v1"
        self.host = host
        self.timeout = timeout
        self.s = requests.Session()
        self.s.verify = False
        retry = Retry(total=3, backoff_factor=0.5,
                      status_forcelist=[500, 502, 503, 504])
        self.s.mount("https://", HTTPAdapter(max_retries=retry))
        self.token = None

    def login(self):
        r = self.s.post(f"{self.base}/SessionService/Sessions",
                        json={"UserName": self.user, "Password": self.pwd},
                        timeout=self.timeout)
        r.raise_for_status()
        self.token = r.headers["X-Auth-Token"]
        self.s.headers.update({"X-Auth-Token": self.token})

    def get(self, path):
        url = path if path.startswith("http") else f"https://{self.host}{path}"
        r = self.s.get(url, timeout=self.timeout)
        r.raise_for_status()
        return r.json()

    def members(self, collection_path):
        data = self.get(collection_path)
        return [m["@odata.id"] for m in data.get("Members", [])]

登录后，members() 负责把集合展开成成员路径列表。采集 Chassis 时，对每个成员再取 Power 和 Thermal 子资源；采集 Systems 时取 Processor、Memory、Storage 子资源。这里要注意：部分子资源路径不一定存在，例如某些机型没有独立的 Storage 资源，需用 try/except 或先判断 @odata.id 是否存在，避免整批采集中断。

四、构建标准化指标模型

原始 JSON 字段名长、层级深、不同机型还有差异，直接入库会导致查询和告警规则难以维护。标准化模型要做三件事：统一指标名、统一单位、统一标签。

标准化时有两个关键约定。第一，单位统一：温度统一摄氏度，功耗统一瓦，内存统一 GiB，避免同一指标混用 MB 和 MiB。第二，健康状态映射：Redfish 的 Health 取值为 OK、Warning、Critical，State 取值为 Enabled、Disabled、Absent、StandbyOffline。入库时保留原始枚举，同时派生一个数值型 health_score（OK=0，Warning=1，Critical=2），便于做阈值告警和趋势统计。

五、结果判读与常见异常

采集完成后，先看三类资源的 Status.Health 是否出现 Warning 或 Critical，再看功耗和温度是否越过阈值。例如某台机器 smc_chassis_power_watts 从 320W 持续升到 480W，同时 smc_chassis_temp_celsius 进风口从 24℃ 升到 31℃，说明机房局部散热可能异常，应联动空调或调整机柜风道，而不是只盯单机告警。

常见异常有三类：一是认证失败，返回 401，检查账号是否被锁定或密码是否含特殊字符；二是资源缺失，返回 404，通常是固件版本较旧或该机型不支持对应子资源，采集器应记录缺失而非报错退出；三是响应超时，BMC 在固件升级或重启期间不可达，采集器应做退避重试，并在连续失败 3 次后产生 smc_redfish_unreachable 告警，避免把采集故障误判为服务器故障。

至此，Chassis、Systems、Managers 三类资源的采集链路和标准化模型已经打通。后续接入时序数据库时，只需把标准化指标按 measurement + tags + fields + timestamp 写入，即可复用同一套告警规则覆盖不同机型。