zabbix-deepseek
Docker部署zabbix
-
安装docker
mkdir ~/docker && mkdir ~/docker/zabbix-docker && cd ~/docker/zabbix-docker -
安装zabbix-server
ZABBIX_WEB_NGINX_HTTP_PORT=8080
docker compose -f docker-compose_v3_alpine_mysql_latest.yaml up -d
docker inspect -f '{{range $net,$cfg := .NetworkSettings.Networks}}{{printf "%s → %s\n" $net $cfg.IPAddress}}{{end}}' zabbix-docker-74-zabbix-server-1
zabbix-docker-74_backend → 172.16.239.3
zabbix-docker-74_database → 172.21.0.4
zabbix-docker-74_frontend → 172.16.238.3
zabbix-docker-74_tools_frontend → 172.16.240.2
- 配置docker可视化
docker volume create portainer_data # 创建数据卷
docker run -d -p 9000:9000 -p 8000:8000 --name portainer --restart always -v /var/run/docker.sock:/var/run/docker.sock -v portainer_data:/data portainer/portainer-ce:latest
• -d：后台运行容器
• -p 9000:9000：映射Web界面端口
• -p 8000:8000：映射Edge Agent通信端口（可选）
• --restart always：容器自动重启
• -v /var/run/docker.sock:/var/run/docker.sock：挂载Docker套接字
• -v portainer_data:/data：持久化存储Portainer数据
获取token
docker ps portainer
setup_token=65c4c591e83e0a16b6476defcf2c4ba9defb9faf907d1133af6f3b1574e8d1c9
- 启动zabbix-agent
docker run -dit --name zabbix-agent --network zabbix-docker-74_backend -p 10050:10050 -e ZBX_HOSTNAME="Zabbix server" -e ZBX_SERVER_HOST="172.16.239.2" -e ZBX_SERVER_PORT="10051" zabbix/zabbix-agent:latest
docker inspect -f '{{range $net,$cfg := .NetworkSettings.Networks}}{{printf "%s → %s\n" $net $cfg.IPAddress}}{{end}}' zabbix-agent
- 可视化
192.168.137.11:8080-->zabbix_server
http://192.168.137.11:9000/-->docker 可视化
设置媒介、触发器与动作
配置脚本
将主机的脚本目录挂在到 Zabbix server 中脚本目录的挂载。
# 确认在镜像中存在如下目录，作为脚本的挂载目录
docker exec -it zabbix-docker-74-zabbix-server-1 /bin/sh
ls -ld /usr/lib/zabbix/alertscripts
# 宿主机
cd ~/docker/zabbix-scripts/
vi deepseek.sh
#!/bin/bash
echo "hello deepseek"
chmod 755 zabbix-scripts
chmod +x zabbix-scripts/*.sh
修改 docker-compose_v3_alpine_mysql_latest.yaml 文件
volumes:
- /etc/timezone:/etc/timezone:ro
- ~/docker/zabbix-scripts:/usr/lib/zabbix/alertscripts # 加入这一行
vi deepseek.sh
# 先停止并移除当前运行的容器（不会删除数据卷和镜像）
docker compose -f docker-compose_v3_alpine_mysql_latest.yaml down
# 重新创建并启动容器（会应用新的volumes配置）
docker compose -f docker-compose_v3_alpine_mysql_latest.yaml up -d
#!/bin/bash
# 获取当前脚本所在目录的绝对路径
SCRIPT_DIR=$(cd "$(dirname "${BASH_SOURCE[0]}")" &>/dev/null && pwd)
# 获取当前时间（格式：年-月-日 时:分:秒）
CURRENT_TIME=$(date "+%Y-%m-%d %H:%M:%S")
# 在脚本同目录创建test.txt并写入内容（包含时间戳）
echo "[$CURRENT_TIME] hello deepseek" >> "$SCRIPT_DIR/test.txt"
媒介、用户、触发器、动作
创建媒介：Alerts>>Media types>>
用户关联媒介：Users>>[Admin]>>Media>>
动作：Alerts>>Actions>>Trigger actions
DeepSeek诊断zabbix
配置Python环境
docker exec -it -u root zabbix-docker-74-zabbix-server-1 /bin/sh # 进入Docker容器
apk update
apk add --no-cache python3 py3-pip
python3 --version
pip3 --version
安装 venv 为我们的代码创建虚拟环境
1. 安装虚拟环境工具（Alpine 中需手动安装）
apk add --no-cache python3-venv
2. 创建虚拟环境（路径可自定义，例如 /var/lib/zabbix/venv）
python3 -m venv /var/lib/zabbix/venv
3. 激活虚拟环境
source /var/lib/zabbix/venv/bin/activate
4. 在虚拟环境中安装 openai（此时 pip 指向虚拟环境，无权限问题）
pip install openai
5. 验证安装（激活状态下）
python -c "import openai; print('安装成功')" # 无报错即成功
6. 退出虚拟环境（后续调用脚本时需先激活）
deactivate
配置DeepSeek API
.env配置DeepSeekAPI # 在DeepSeek.sh的相同路径下创建
DEEPSEEK_API_KEY=sk-*******
通过python-dotenv 读取 .env 文件中的环境变量(DEEPSEEK_API_KEY)
source /var/lib/zabbix/venv/bin/activate
pip install python-dotenv
apk add curl
curl -v https://api.deepseek.com
DeepSeek 生成告警报表
import os
import sys
import datetime
from openai import OpenAI
from dotenv import load_dotenv # 新增：导入dotenv库
load_dotenv() # 默认读取当前目录的.env文件，若路径不同可指定：load_dotenv("/path/to/.env")
def generate_alert_report():
# 定义错误日志文件路径（与脚本同目录）
script_dir = os.path.dirname(os.path.abspath(__file__)) # 获取当前脚本所在目录（绝对路径）
error_log = os.path.join(script_dir, "error.log") # 错误日志放在脚本目录
# 接收从Shell脚本传递的参数
if len(sys.argv) != 7:
error_msg = "错误：参数数量不正确，需要6个参数（cpu_util, host_name, item_key, host_ip, event_time, trigger_name）"
with open(error_log, "a", encoding="utf-8") as f:
f.write(f"[{datetime.datetime.now()}] {error_msg}\n")
return error_msg
# 解析参数
cpu_util = sys.argv[1] # CPU利用率值
host_name = sys.argv[2] # 主机名称
item_key = sys.argv[3] # 监控项键值
host_ip = sys.argv[4] # 主机IP
event_time = sys.argv[5] # 告警时间
trigger_name = sys.argv[6] # 触发器名称
try:
# 检查API密钥是否存在
if not os.environ.get("DEEPSEEK_API_KEY"):
error_msg = "错误：未设置DEEPSEEK_API_KEY环境变量"
with open(error_log, "a", encoding="utf-8") as f:
f.write(f"[{datetime.datetime.now()}] {error_msg}\n")
return error_msg
# 初始化OpenAI客户端（DeepSeek兼容OpenAI SDK）
client = OpenAI(
api_key=os.environ.get("DEEPSEEK_API_KEY"),
base_url="https://api.deepseek.com/v1"
)
# 构建系统提示词（定义AI的角色和报告要求）
system_prompt = """
你是一名资深运维工程师，擅长分析服务器性能告警并生成专业报告。
请根据提供的CPU告警信息，生成一份结构化的告警分析报告，包含以下内容：
1. 告警基本信息（主机、IP、时间、触发条件）
2. 可能的原因分析（基于CPU利用率和监控项）
3. 建议的处理步骤（分点说明，清晰具体）
4. 预防措施（如何避免类似问题再次发生）
报告风格要专业、简洁，重点突出，便于运维人员快速理解和处理。
"""
# 构建用户提示词（传递具体参数）
user_prompt = f"""
服务器告警信息如下：
- 主机名称：{host_name}
- 主机IP：{host_ip}
- 告警时间：{event_time}
- 触发条件：{trigger_name}
- 当前CPU利用率：{cpu_util}%
- 监控项键值：{item_key}
请基于以上信息生成告警分析报告。
"""
# 调用DeepSeek模型
response = client.chat.completions.create(
model="deepseek-chat",
messages=[
{"role": "system", "content": system_prompt},
{"role": "user", "content": user_prompt}
],
stream=False,
max_tokens=1000
)
# 获取模型返回的报告内容
report_content = response.choices[0].message.content
# 生成报告文件名（包含主机名和时间戳）
timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S")
clean_host_name = host_name.replace(" ", "_") # 处理主机名中的空格
report_filename = os.path.join(script_dir, f"alert_report_{clean_host_name}_{timestamp}.txt") # 关键：用script_dir指定路径
# 将报告写入文件
with open(report_filename, "w", encoding="utf-8") as f:
f.write(f"=== 服务器CPU告警分析报告 ===\n")
f.write(f"生成时间：{datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n\n")
f.write(report_content)
return f"告警报告生成成功：{report_filename}"
except Exception as e:
# 捕获所有异常并写入错误日志
error_msg = f"生成报告失败：{str(e)}"
with open(error_log, "a", encoding="utf-8") as f:
f.write(f"[{datetime.datetime.now()}] {error_msg}\n")
return error_msg
if __name__ == "__main__":
result = generate_alert_report()
print(result) # 输出结果给Shell脚本
deepseek.sh 脚本调用 deepseek.py
#!/bin/bash
# 获取脚本目录和日志文件
SCRIPT_DIR=$(cd "$(dirname "${BASH_SOURCE[0]}")" &>/dev/null && pwd)
LOG_FILE="$SCRIPT_DIR/cpu_multi_params_log.log"
# 接收多个参数（按Zabbix配置的顺序对应）
cpu_util="$1" # 参数1：CPU利用率值
host_name="$2" # 参数2：主机名称
item_key="$3" # 参数3：监控项键值
host_ip="$4" # 参数4：主机IP
event_time="$5" # 参数5：告警时间
trigger_name="$6" # 参数6：触发器名称
# 记录所有参数到日志
{
echo "========================================="
echo "日志生成时间: $(date "+%Y-%m-%d %H:%M:%S")"
echo "1. CPU利用率值: $cpu_util"
echo "2. 主机名称: $host_name"
echo "3. 监控项键值: $item_key"
echo "4. 主机IP地址: $host_ip"
echo "5. 告警触发时间: $event_time"
echo "6. 触发器名称: $trigger_name"
echo ""
} >> "$LOG_FILE"
# 简单验证（确保核心参数不为空）
if [ -z "$cpu_util" ] || [ -z "$host_name" ]; then
echo "[$(date "+%Y-%m-%d %H:%M:%S")] 错误：核心参数缺失（CPU值或主机名）" >> "$LOG_FILE"
exit 1
fi
echo "[$(date "+%Y-%m-%d %H:%M:%S")] 多参数接收成功" >> "$LOG_FILE"
# 调用deepseek.py并传递6个参数
PY_SCRIPT="$SCRIPT_DIR/deepseek.py"
if [ -f "$PY_SCRIPT" ]; then
echo "[$(date "+%Y-%m-%d %H:%M:%S")] 开始调用Python脚本生成报告" >> "$LOG_FILE"
# 执行Python脚本并捕获输出结果
python_result=$(
source /var/lib/zabbix/venv/bin/activate && \ # 激活虚拟环境
python3 "$PY_SCRIPT" "$cpu_util" "$host_name" "$item_key" "$host_ip" "$event_time" "$trigger_name" 2>&1
)
# 将Python脚本的执行结果写入日志
echo "[$(date "+%Y-%m-%d %H:%M:%S")] Python脚本执行结果: $python_result" >> "$LOG_FILE"
else
echo "[$(date "+%Y-%m-%d %H:%M:%S")] 错误：未找到Python脚本 $PY_SCRIPT" >> "$LOG_FILE"
exit 1
fi
设置媒介（传入参数）
实测结果
浙公网安备 33010602011771号