硬件健康检查自动告警通过“采集异常信号→判定故障→推送通知”闭环实现，支持Zabbix（IPMI/SMART/SNMP）、Prometheus+Node Exporter+Alertmanager、Python+psutil三种方案，需注意SMART刷新、IPMI权限、误报抑制及Webhook定位信息。
硬件健康检查触发自动告警，关键在于“采集异常信号 → 判定故障 → 推送通知”三个环节闭环。不依赖人工巡检，就能在硬盘掉盘、温度越限、电源异常、RAID降级等真实故障发生时，1分钟内收到邮件或Webhook消息。
用Zabbix实现硬件级告警（推荐企业级场景）
Zabbix原生支持IPMI、SMART、SNMP等多种硬件探测协议，适合服务器集群统一管理：
- 启用Zabbix Agent的
system.hw和system.sw内置键值，或部署zabbix-agent2启用smart.disk监控项，直接读取硬盘SMART属性（如Reallocated_Sector_Ct、Temperature_Celsius） - 配置IPMI监控：在Zabbix Web界面添加主机时勾选“使用IPMI”，填入BMC地址、用户名/密码；Zabbix会自动发现并监控风扇转速、电压、CPU温度、电源状态等指标
- 设置触发器：例如写表达式
{HOST.NAME}:"smart.disk.temperature"{host:smart.disk.temperature.last()}>75，表示某块硬盘温度持续超过75℃即触发 - 绑定动作（Action）：选择“发送邮件”或“远程命令（调用Webhook）”，可指定发送给运维组邮箱，或向钉钉/企微机器人URL推送JSON格式告警内容
用Prometheus+Node Exporter+Alertmanager组合（云原生/轻量部署）
适合Linux物理机或虚拟化宿主机，对硬件传感器兼容性好：
- 确保系统已加载
ipmi_si、coretemp、it87等内核模块（lsmod | grep ipmi验证），并安装ipmitool和smartmontools - 启动Node Exporter时开启硬件采集：
./node_exporter --collector.ipmi --collector.textfile.directory /var/lib/node_exporter/textfile_collector --collector.smartmon - 在Alertmanager规则中定义硬件告警，例如：
- name: hardware-alerts
rules:
- alert: DiskSMARTFailure
expr: node_smartmon_device_smart_status{type="0"} == 0
for: 1m
labels:
severity: critical
annotations:
summary: "硬盘{{ $labels.device }} SMART自检失败"
用Python脚本+psutil+SMTP快速落地（中小环境/临时补位）
无需部署整套监控平台，50行代码即可覆盖核心硬件风险点：
- 用
psutil.sensors_temperatures()获取CPU/主板温度，psutil.sensors_fans()读取风扇转速，psutil.disk_partitions()配合smartctl -a /dev/sda子进程调用检查硬盘健康 - 设定阈值逻辑：比如
if temp > 80 or fan_rpm < 2000 or 'PASSED' not in smart_output，满足任一条件即触发 - 通过标准
smtplib发邮件，或用requests.post()向Webhook URL发送含主机名、时间、故障详情的JSON体 - 用
systemd守护该脚本，每2分钟执行一次，避免漏报
关键注意事项
硬件告警不是设完就高枕无忧，需关注几个易忽略点：
- SMART数据需定期刷新：某些硬盘需执行
smartctl -t short /dev/sda主动测试，否则Reallocated_Sector_Ct等值不会更新 - IPMI权限要最小化：BMC账号仅授予“只读传感器”权限，避免暴露服务器控制面
- 避免误报：温度类告警建议加
for: 90s持续判断，排除瞬时峰值；电源类告警一旦触发必须立即响应，不可设延时 - Webhook内容要带定位信息：除了“硬盘故障”，必须包含
hostname、device:/dev/sdb、RAID级别（如能获取）、服务器机柜位置（可从Zabbix宏或环境变量注入）
