通过SNMP统计网络设备资产信息

简介: 通过SNMP统计网络设备资产信息

日常网络管理中,网络管理员或者说是资产管理员有一项常做的工作就是统计设备资产信息。统计设备资产,可以通过登录设备使用命令采集,但是设备多的时候愈发显得工作量巨大;使用一些网管工具进行采集,一般都是收费的。所以,我今天给大家分享一种使用SNMPWALK采集设备资产的方法。


设备开启SNMP


首先,登录设备开启SNMP功能,主要配置为修改SNMP版本为v2c或者v3(不建议使用v1),并配置读团体字。

1677212430603.jpg


服务器安装SNMPWALK


操作环境为CentOS 8,查找snmpwalk命令所需的软件包为net-snmp-utils,装好所需的软件包。

1677212442902.jpg


确认序列号OID节点信息


我能想到的有两种方法。第一种是查MIB库,在H3C官网一般有对应的MIB节点手册,可以下载使用。Comware V7设备通用MIB库下载链接如下:

http://h3c.com/cn/d_200905/635750_30003_0.htm

比如找到设备序列号节点信息如下:

1677212465617.jpg

不巧的是vFW不支持查看序列号。

1677212479718.jpg

但是也不是没有,只是序列号不是标准的21开头的序列号。

1677212486723.jpg

我们看一下1.3.6.1.2.1.47.1.1.1.1.11这个节点的值。

1677212492699.jpg


和DID文件中记录的SN信息一致。

第二种方法就是通过snmpwalk命令进行反查。比如用一个已知的节点信息去查找OID节点。

比如已知的设备名称sysname是vFW-200.1,那就可以进行查找。

1677212507331.jpg

我们得知,系统名称的节点值为SNMPv2-MIB::sysName.0,那就可以依照这个节点去查找其他同型号设备。

1677212516885.jpg


统计序列号信息


以查询1.3.6.1.2.1.47.1.1.1.1.11这个节点为例,如果运气好的话,我们可以拿到设备上所有可以读到序列号的设备信息,包括机框、单板、光模块、电源、风扇等等。

1677212534293.jpg

可以通过使用grep命令只显示有数值的节点。

1677212539641.jpg

如果设备多的话,可以使用函数加重定向操作符>>将命令执行的结果追加输出到指定文件。假设所有设备的SNMP信息已经统计好了,那么使用shell脚本即可实现将所有序列号输出到同一个文件下。

1677212551725.jpg

新建一个sn.xlsx,选择“数据”→“获取外部数据”→“自文本”,选择刚才生成的sn.txt,因为文本中有分隔符空格,所以选择“分隔符号”,点击“下一步”。

1677212561297.jpg

选择“空格”,点击“下一步”。

1677212573106.jpg

列数据格式选择“常规”或者“文本”,点击“完成”。

1677212577441.jpg

这样我们就拿到了所有的序列号信息,方便做资产统计。

1677212582408.jpg

统计维保信息

在获取到所有的条码信息之后,开始整理条码维保信息即可。大家可以参考如下的表格格式进行统计,可能有助于提高首次操作用户的效率。

1677212592692.jpg

设备中可能存在大量重复型号设备,可以使用函数=MID(D188,3,8)提取BOM信息,比手工筛选要快一点,还可以根据=MID(D188,12,3)提取设备生产日期,筛选出同批次或相近批次设备,有助于快速统计维保信息。


将设备条码分类好之后,就可以到H3C官网“产品支持与服务”→“服务支持中心”→“保修期查询”下进行维保查询了。

1677212605878.jpg

链接地址如下:

http://es.h3c.com/entitlement/

可以单条查询也可以批量查询,将查询到的结果记录到excel表格中就行了。

1677212615509.jpg

相关文章
|
8天前
|
运维 监控 安全
|
8天前
|
监控 网络协议 安全
|
22天前
|
数据采集 存储 API
在信息时代,Python爬虫用于自动化网络数据采集,提高效率。
【7月更文挑战第5天】在信息时代,Python爬虫用于自动化网络数据采集,提高效率。基本概念包括发送HTTP请求、解析HTML、存储数据及异常处理。常用库有requests(发送请求)和BeautifulSoup(解析HTML)。基本流程:导入库,发送GET请求,解析网页提取数据,存储结果,并处理异常。应用案例涉及抓取新闻、商品信息等。
51 2
|
22天前
|
存储 安全 网络安全
云计算与网络安全:技术融合与信息保障
在当今信息化时代,云计算技术作为信息技术领域的重要组成部分,与网络安全息息相关。本文从云服务架构、网络安全挑战、以及信息安全保障等角度出发,探讨了云计算与网络安全的紧密关系及其技术融合的重要性。通过分析当前技术趋势和挑战,提出了一些应对策略和未来发展方向,旨在为技术专业人士及相关从业者提供深入的思考和参考。【7月更文挑战第4天】
25 0
|
3天前
|
机器学习/深度学习 搜索推荐 知识图谱
图神经网络加持,突破传统推荐系统局限!北大港大联合提出SelfGNN:有效降低信息过载与数据噪声影响
【7月更文挑战第22天】北大港大联手打造SelfGNN,一种结合图神经网络与自监督学习的推荐系统,专攻信息过载及数据噪声难题。SelfGNN通过短期图捕获实时用户兴趣,利用自增强学习提升模型鲁棒性,实现多时间尺度动态行为建模,大幅优化推荐准确度与时效性。经四大真实数据集测试,SelfGNN在准确性和抗噪能力上超越现有模型。尽管如此,高计算复杂度及对图构建质量的依赖仍是待克服挑战。[详细论文](https://arxiv.org/abs/2405.20878)。
13 5
|
22天前
|
存储 Java 网络安全
如何使用Python批量连接网络设备?
【7月更文挑战第4天】
24 1
如何使用Python批量连接网络设备?
|
4天前
|
SQL 安全 物联网
构筑网络堡垒:洞悉网络安全漏洞与加固信息防线
【5月更文挑战第83天】 在数字化时代,个人、企业乃至国家安全面临着前所未有的挑战。黑客攻击、数据泄露及恶意软件等安全威胁层出不穷,这要求我们不仅要了解潜在的网络安全漏洞,还需掌握加密技术并提升安全意识。本文将深入探讨网络安全的脆弱点,介绍当前加密技术的进展,并分析如何通过提高个体和组织的安全意识来构建更坚固的信息防线。
|
7天前
|
计算机视觉 网络架构
【YOLOv8改进 - 卷积Conv】DWRSeg:扩张式残差分割网络,提高特征提取效率和多尺度信息获取能力,助力小目标检测
YOLO目标检测专栏探讨了YOLO的创新改进,如多尺度特征提取的DWRSeg网络。该网络通过区域残差化和语义残差化提升效率,使用DWR和SIR模块优化高层和低层特征。DWRSeg在Cityscapes和CamVid数据集上表现优秀,速度与准确性兼备。论文和代码已公开。核心代码展示了一个包含DWR模块的卷积层。更多配置详情见相关链接。
|
13天前
|
网络协议 安全 Shell
`nmap`是一个开源的网络扫描工具,用于发现网络上的设备和服务。Python的`python-nmap`库允许我们在Python脚本中直接使用`nmap`的功能。
`nmap`是一个开源的网络扫描工具,用于发现网络上的设备和服务。Python的`python-nmap`库允许我们在Python脚本中直接使用`nmap`的功能。
|
15天前
|
Linux
linux网络统计信息和端口占用情况基本语法
linux网络统计信息和端口占用情况基本语法