什么值得买App下载 App ›
连续签到专享现金活动

Zabbix运维监控系统对接ollama deepseek 本地AI大模型

25-02-20

前言
大家好,我是王忘杰,刷到社区一篇zabbix与AI结合的文章,感觉与AI结合的方向对了
Zabbix运维监控系统与AI大模型交互实践分享

随后整理思路,考虑如何以合理的方式来进行故障告警AI分析
故障AI分析发送到企业微信可能存在以下问题:
1、不能使用企业微信应用的方式发送,企业微信应用是对用户一对一发送,每发送一次就要调用一次AI,应当使用企业微信机器人的方式,发送到群里,这样仅发送一次就行了。
2、AI服务器可能存在故障,脚本必须能够处理故障,防止因为服务器故障导致告警无法接收
3、AI问答速度必须足够快,并且要限制字数,如果AI响应缓慢并且长篇大论,则会失去时效性。

aiwebhook脚本设计思路

企业微信截图_20250220143430.jpg企业微信截图_20250220143430.jpg

实际效果展示

企业微信截图_17400317315130.png企业微信截图_17400317315130.png

一、前提准备
首先,你应当本地部署了zabbix告警系统,如果你还不会,可以查看王工相关教程
ALMA Linux 8飞速搭建zabbix6LTS、微信邮箱短信报警、windows、linux、交换机、vCenter监控、grafana面板、modbus动环采集、ZbxTable分析系统、Mysql、MSsql数据库监控、分组报警
https://90apt.com/2982

其次,你应当本地部署了ollama开源大模型,如果你还不会,可以查看王工相关教程
个人电脑 服务器 快速部署深度求索DeepSeek-R1本地大模型
https://90apt.com/5370

你的zabbix服务器上,必须使用python3.8及以上版本,安装ollama库和requests库
ollama python库 https://github.com/ollama/ollama-python
ollama
python库

Python: 安装 Python 3.8 或更高版本。
pip: 确保已安装 pip,Python 的包管理工具。
ollama 库: 用于更方便地与 Ollama API 交互。安装命令如下:

pip install ollama pip install requests

可以使用ollama-python示例代码进行测试

from ollama import Client client = Client( host='http://localhost:11434', headers={'x-some-header': 'some-value'} ) response = client.chat(model='qwen2.5:1.5b', messages=[ { 'role': 'user', 'content': '王忘杰是谁?', }, ]) print(response)

以上准备好,我们继续

二、软件开发
企业微信webhook代码我从百度搜索,找篇文章
zabbix基于webhook发送到企业微信
https://blog.csdn.net/u010533742/article/details/109068187

结合ollama-python示例代码,进行组合开发

aiwebhook.py

#!/bin/python3.8 import requests import sys import json from ollama import Client class WechatImage(object): # 发送消息 def send_news_message(self, qwurl, subject, content, strairesponse): url = qwurl data = { "msgtype": "markdown", "markdown": { "content": subject + 'n' + content + 'nAI分析n' + strairesponse } } headers = {'content-type': 'application/json'} reponse = requests.post(url, json.dumps(data), headers=headers) return reponse if __name__ == '__main__': qwurl = 'https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=00000000000000000000000' #替换为企微的专用地址 subject = str(sys.argv[2]) content = str(sys.argv[3]) try: client = Client( host='http://locahost:11434', #ollama地址 headers={'x-some-header': 'some-value'}, timeout = 10 #超时时间 ) airesponse = client.chat(model='qwen2.5:1.5b', messages=[ #选择的模型 { 'role': 'user', 'content': "你是一个专业的IT工程师,简短简洁的告诉我下面信息的原因和处理措施,字数控制在100字以内" + content}, #提示词 ]) strairesponse = str(airesponse['message']['content']) #print(strairesponse) except: strairesponse = "nAI超时,请检查AI后端" #超时处理 wechat_img = WechatImage() wechat_img.send_news_message(qwurl, subject, content, strairesponse) print("执行完毕")

代码中model='qwen2.5:1.5b'为模型,如果使用deepseek,可以根据显卡配置改为deepseek-r1:1.5b
提示词可以自己编辑

三、部署测试
1、在企业微信群中创建机器人,获取webhook地址

2、将脚本放置到zabbix脚本目录中

/usr/lib/zabbix/alertscripts/aiwebhook.py

并给予执行权限

chmod +x aiwebhook.py

3、配置zabbix服务器
3.1 新建报警媒介
管理-媒介-创建媒介类型

名称 aiwebhook 类型 脚本 脚本名称 aiwebhook.py 脚本参数 {ALERT.SENDTO} {ALERT.SUBJECT} {ALERT.MESSAGE} 描述 企业微信ai报警m7d02v05.pngm7d02v05.png

3.2 消息模板

消息类型 问题 主题 告警通知 消息 主机:{HOST.NAME} 地址:{HOST.IP} 项目:{ITEM.NAME} 取值:{ITEM.LASTVALUE} 等级: 状态: 信息:{TRIGGER.NAME} 时间:{EVENT.DATE} {EVENT.TIME} 事件ID:{EVENT.ID}

消息类型 问题恢复 主题 恢复通知 消息 主机:{HOST.NAME} 地址:{HOST.IP} 项目:{ITEM.NAME} 取值:{ITEM.LASTVALUE} 等级: 状态: 信息:{TRIGGER.NAME} 时间:{EVENT.DATE} {EVENT.TIME} 事件ID:{EVENT.ID}m7d05be2.pngm7d05be2.png

3.3 触发器动作
配置-动作-触发器动作-创建动作
发送给管理员

m7d083kf.pngm7d083kf.png


操作
添加 操作和恢复操作

m7d08xln.pngm7d08xln.png


操作

m7d0aaja.pngm7d0aaja.png


恢复操作

m7d0ajzu.pngm7d0ajzu.png

4、重启一台闲置业务,触发告警

企业微信截图_17400317315130.png企业微信截图_17400317315130.png

完成

四、小结
王工666

作者声明本文无利益相关,欢迎值友理性交流,和谐讨论~

评论 4

fifa2000

请教下prometheus怎么跟AI大模型对接?谢谢

湖南

没有更多了