专注于 Infra 层的 AI Agent 技能平台——龙蜥社区 SkillHub 已收到数百个技能,当前陆续上线中。我们每周也会收到一些技能的最佳实践分享,本期给大家推荐的是胡熙盛贡献的《Monitor AMD server fans》Skill,他长期从事服务器运维与硬件管理相关工作,重点关注 AMD 服务器平台的散热与硬件状态,在风扇转速监控、温度管理、BMC 指标采集等方面积累了一定的实践经验。本次他将相关排查经验整理成一个技能,使 AI Agent 能够直接监测 AMD 服务器风扇运行状态,尽早识别散热异常,降低因过热导致的宕机风险。以下是他们的实战分享:
背景
服务器散热异常可能引发降频、性能抖动甚至非计划停机。相比人工登录 BMC 查看转速,把风扇 RPM 纳入日常巡检更适合持续运维。
- 但“监控 AMD 服务器风扇”并不是读取一个固定文件那么简单:
- AMD CPU 只能说明处理器厂商,不能保证风扇传感器一定由操作系统暴露;
- 不同主板和传感器驱动会生成不同的hwmon 目录;
- 部分服务器只在 BMC/IPMI 中提供风扇数据;
- 没有发现传感器不等于风扇停转;
- 监控脚本不应顺便修改 PWM 或控制风扇。
因此,我设计了monitor-amd-server-fans Skill:只读取 Linux hwmon 中的风扇转速,应用有界阈值,并明确区分 OK、ALERT 和SKIP。
数据从哪里来
Linux hwmon 使用标准 sysfs 属性暴露硬件监控数据。风扇转速通常位于:
/sys/class/hwmon/hwmon*/fan*_input 复制
Linux 内核文档将 fan[1-*]_input 定义为风扇输入值,单位为 RPM。由于 hwmon 编号可能随启动和驱动加载顺序变化,脚本不会写死 hwmon0,而是遍历全部匹配路径。
(图/先识别 AMD CPU,再读取 hwmon 风扇传感器;条件不满足时返回 SKIP,而不是制造错误结论)
为什么需要显式 SKIP
真实服务器的硬件接口并不统一。假设脚本没有找到 fan*_input,至少存在三种可能:
1、服务器没有向操作系统暴露转速;
2、对应 hwmon 驱动没有加载;
3、风扇数据只能通过厂商 BMC/IPMI 获取。
如果这时输出“风扇转速为 0”或“巡检正常”,都会误导运维人员。因此 Skill 使用专门的退出状态:
退出码 |
状态 |
含义 |
0 |
OK |
找到传感器,全部 RPM 位于阈值范围内 |
1 |
ALERT |
至少一个有效传感器读数越界 |
3 |
SKIP_NO_AMD_CPU / SKIP_NO_FAN_SENSOR |
当前主机无法完成这类检查 |
64 |
参数错误 |
阈值无效或输入参数不符合约束 |
SKIP 不是失败,也不是通过;它表示当前证据不足,需要改用 BMC/IPMI 或厂商工具继续核实。
运行方法
(图/读取、解析、阈值判断和结构化输出的完整流程)
默认最小转速为 500 RPM,最大转速为 30000 RPM:
python3 scripts/fan_monitor.py --min-rpm 500 --max-rpm 30000 复制
正常示例:
{ "fans": [ { "rpm": 1200, "sensor": "fan1", "status": "OK" } ], "schema": 1, "status": "OK" }复制
如果主机不是 AMD CPU,输出类似:
{"schema": 1, "status": "SKIP_NO_AMD_CPU"}复制
如果确认是 AMD CPU,但系统中没有可读的风扇传感器,则输出:
{"schema": 1, "status": "SKIP_NO_FAN_SENSOR"} 复制
JSON 中保留 schema 字段,便于监控平台后续兼容字段演进。
只读安全边界
这个 Skill 的职责是监控,不是控制。它只读取:
- /proc/cpuinfo;
- /sys/class/hwmon/hwmon*/fan*_input。
它不会:
- 写入pwm* 或fan*_target;
- 修改风扇曲线;
- 加载或卸载内核模块;
- 登录 BMC 或调用 IPMI;
- 更改传感器阈值;
- 使用 sudo 修改系统。
这是一个重要的设计边界。错误的 PWM 操作可能直接影响服务器散热,不能与只读巡检混在同一个自动化流程中。
如何在没有真实 AMD 服务器时测试
硬件 Skill 最容易出现的问题,是开发者把“本地脚本运行成功”误认为“真实硬件验证成功”。为此,测试脚本提供可替换的 --sysroot 和--cpuinfo 路径,创建最小模拟环境:
cpuinfo: vendor_id : AuthenticAMD sys/class/hwmon/hwmon0/fan1_input: 1200 复制
随后运行监控脚本并断言:
- 退出码为 0;
- JSON 总状态为 OK;
- 1200 RPM 被正确解析。
测试命令:
python3 tests/test_fans.py 复制
参考验证结果:
PASS_AMD_FAN_FIXTURE 复制
这种测试可以证明解析、阈值和 JSON 输出逻辑正确,但不能证明某一型号服务器一定暴露 hwmon 风扇传感器。
Anolis OS 8.2 验证证据
(图 4/合成测试证明逻辑层可用,真实非 AMD 主机则诚实报告 SKIP)
验证分为两个层级:
L1:合成 AMD/hwmon 测试
- 模拟 AMD CPU 标识;
- 模拟 fan1_input=1200;
- 返回 OK;
- 临时目录在测试结束后清理。
L2:匿名化 Anolis OS 8.2 主机只读执行
真实主机返回:
{"schema": 1, "status": "SKIP_NO_AMD_CPU"} 复制
退出码为 3。原因是验证主机没有 AMD CPU,因此没有把结果包装成“AMD 风扇监控通过”。
最终证据边界是:
- PASS:CPU 标识解析、hwmon 路径遍历、RPM 解析、阈值判断、JSON 输出和跳过逻辑;
- SKIP:真实 AMD 服务器上的 hwmon/BMC 风扇遥测;
- 未发生任何 PWM、BMC、IPMI、内核模块或传感器配置修改。
实践中的几个坑
1. 把“没有传感器”判断为“风扇停转”
这是最危险的误判。传感器缺失只能输出SKIP_NO_FAN_SENSOR,后续交给 BMC/IPMI 检查。
2. 固定使用 `/sys/class/hwmon/hwmon0`
hwmon 编号不稳定,应遍历所有 hwmon* 目录并匹配 fan*_input。
3. 使用同一阈值覆盖所有服务器
500—30000 RPM 是有界默认值,不是所有硬件的厂商标准。生产使用前应根据服务器型号、风扇规格和运行模式设定阈值。
4. 把监控和控制做在一起
只读监控可以安全地自动执行;修改 PWM 则需要型号确认、变更审批、回滚方案和现场散热风险评估,应该属于另一个受控流程。
5. 忽略监控系统对退出码的处理
监控平台必须分别处理 0、1 和 3。把退出码 3 一律视为“正常”,会掩盖监控覆盖缺口;把它一律视为故障,又会制造无意义告警。
进一步完善方向
后续可以在不破坏只读边界的前提下扩展:
- 读取fan*_label,输出更友好的传感器名称;
- 支持按传感器设置不同阈值;
- 增加 Prometheus 文本格式输出;
- 对连续多次低转速设置抑制窗口,减少瞬时抖动告警;
- 将 BMC/IPMI 读取设计成独立、需授权的适配层;
- 在更多 AMD EPYC 服务器型号上积累匿名化兼容性证据。
总结
硬件监控的价值不只是“读到一个数字”,更重要的是准确表达证据边界。monitor-amd-server-fans 通过标准 hwmon 接口读取 RPM,使用明确的阈值和退出码,并在硬件条件不满足时诚实返回 SKIP。
对于自动化运维而言,一个准确的“当前无法判断”,往往比错误的“全部正常”更可靠。
相关链接:
Monitor AMD server fans Skill:
https://skillhub.openanolis.cn/skill/monitor-amd-server-fans
龙蜥社区 Skillhub 官网链接:
https://skillhub.openanolis.cn
Linux 内核 hwmon sysfs 接口文档:
https://docs.kernel.org/hwmon/sysfs-interface.html
Linux 内核 pwm-fan 驱动文档:
https://docs.kernel.org/6.2/hwmon/pwm-fan.html
龙蜥社区 Skill 征集活动——「Skill 创造营」上线以来响应热烈。截至目前,龙蜥 SkillHub 已收到覆盖安全、系统运维、AI 推理、数据库等多个领域,一个面向 Infra 的 AI 技能生态正在加速成型。「Skill 创造营」持续征集中,诚挚欢迎每一位开发者提交你的 Skill 与最佳实践。如果你有感兴趣的方向或者关于 SkillHub 的问题,欢迎通过下方链接反馈给我们。
SkillHub 用户需求收集链接:https://alidocs.dingtalk.com/notable/share/form/v014jKqm0b74KdjLnw1_f22ghuX_M7AJs3D
🔥填问卷有礼!
你希望 AI 帮你解决哪些开发难题?龙蜥社区正在收集开发者对 AI 能力的真实需求,社区将为做出精彩回答的小伙伴寄送一份精美礼品,感谢你的认真参与和真诚分享!
问卷链接:https://openanolis.mikecrm.com/8Azm9J0