数据中心设备众多,承载着业务命脉,每台机器的工作状态、是否发生故障以及何种故障都需要企业及时了解。相比于部署繁杂、效率低下的传统集中监控管理平台,戴尔易安信推出的OpenManage Enterprise,安装简单、部署便捷,可以快速高效地对服务器进行集中监控管理,是简化基础架构管理复杂性的良方。本文分步对OpenManage Enterprise的下载安装及监控管理进行了演示,供相关人员参考。
当你踏入数据中心机房,看到一排排林立的机柜、高速运转的设备,第一想法可能是管理这么多设备,一定需要一套集中监控管理平台。
传统方式部署一套集中监控管理平台,架构复杂、规模庞大不说,还需要几台专门的服务器,分别安装配置监控管理软件、储存信息的数据库甚至中间件等,另外还有在每台被监控的服务器上安装代理软件的步骤。整个监控管理平台,从部署到真正投入使用,没有十天半个月是下不来的。
那么,如何才能快速高效地把机房设备管理起来呢?
一款软件足矣。
戴尔易安信在OpenManageEssentials的基础上推出了OpenManageEnterprise虚拟机版本。将OpenManageEnterprise导入数据中心的虚拟化环境中,然后批量导入被监控设备列表——只需10分钟,一套集中监控管理平台就可投入使用。
作为智能系统管理控制台,戴尔易安信的OpenManageEnterprise让设备管理变得更加简单、方便、高效,让我们看看OpenManageEnterprise是怎么做到的。
软件下载安装
软件下载
针对不同操作环境,戴尔易安信OpenManage Enterprise提供三种虚拟机格式:
·微软虚拟化:openmanage_enterprise_vhd_format.zip
·Linux虚拟化:openmanage_enterprise_kvm_format.zip
·VMware虚拟化:openmanage_enterprise_ovf_format.zip
比如,基于VMwareESXi虚拟化可以从以下网址获得:
https://downloads.dell.com/folder04692215M/1/openmanage_enterprise_ovf_format.zip
安装部署
将下载的OpenManage Enterprise导入VMware环境中。
软件配置
导入后,开机进入,看到设置登录认证信息的提示,并进入如下界面▼。
点击”Set Networking Parameters”,进入OpenManage Enterprise的网络配置界面,设置相关网络▼。
配置完成后,查看系统状态与配置信息。自此,OpenManage Enterprise安装完成,可以开始下一步操作▼。
设备集中监控
添加被监控设备
软件安装完成后,进入OpenManage Enterprise主页面,依次选择监测->发现->创建,创建一个查找作业,把需要添加的设备加到搜索范围。比如戴尔易安信服务器,可以通过iDRAC卡进行无代理监控▼。
如果要添加的设备较多,可以用CSV表格批量导入被监控设备▼。
设备状态查询
设备添加后,可以在主页仪表板中查看所有设备状态汇总信息与最新的告警日志▼。
此外,也可以在设备菜单中查看不同类型的被监控设备和单个设备状态▼。
在该界面,要查看故障服务器的具体信息,可以选中该服务器,点击“查看详情”,直接链接到该服务器的iDRAC界面查看相关信息。
警报管理
被监控设备出现故障以后,故障设备的状态颜色发生变化,可以在警报日志中看到该设备的日志信息▼。
对于这些故障信息,有多种处理方式,比如:SNMP转发、远程执行脚本或给管理员发邮件等等▼。
查看警报定义信息,可以点击警报界面的“警报定义”按钮▼。
配置报告
系统中本身配置了一些报告模板,也可以自定义一个报告选项,生成需要的报告▼。
生成的报告支持不同格式▼。
MIB库配置
MIB库集成了戴尔易安信众多产品信息,如果监控第三方设备,需要在该界面导入第三方产品的MIB库,那么第三方的设备监控就可以被管理起来。
配置管理
设备固件版本升级与基线策略▼
服务器批量部署与配置模板定义▼
其它
作业执行状况信息▼。
OpenManage Enterprise告警转发设置▼。
OpenManage Enterprise安全审计日志信息▼。
OpenManage Enterprise安全登录设置,出于安全考虑,可以在此设置登陆IP范围和锁定策略▼。
戴尔易安信OpenManageEnterprise是全新的虚拟化企业系统管理控制台,它部署快速、配置方便且功能强大,可大大提高机房运维人员的工作效率,有助于企业领先于快速变化的业务环境。更多内容,欢迎亲自前往探索。
好文章,需要你的鼓励
谷歌深度思维团队开发出名为MolGen的AI系统,能够像经验丰富的化学家一样自主设计全新药物分子。该系统通过学习1000万种化合物数据,在阿尔茨海默病等疾病的药物设计中表现出色,实际合成测试成功率达90%,远超传统方法。这项技术有望将药物研发周期从10-15年缩短至5-8年,成本降低一半,为患者更快获得新药治疗带来希望。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
哈佛医学院和微软公司合作开发了一个能够"听声识病"的AI系统,仅通过分析语音就能预测健康状况,准确率高达92%。该系统基于深度学习技术,能够捕捉声音中与疾病相关的微妙变化,并具备跨语言诊断能力。研究团队已开发出智能手机应用原型,用户只需完成简单语音任务即可获得健康评估,为个性化健康管理开辟了新途径。