智能運維新范式：Zabbix 與 DeepSeek 協同構建自動分析報表 原創
在人工智能技術飛速迭代的今天，大模型正以驚人的速度滲透到各行各業，從金融風控到醫療診斷，從智能制造到內容創作，通用人工智能的能力邊界不斷被拓展。隨著技術的成熟，各行業不再滿足于通用大模型的基礎能力，而是開始將其與垂直領域深度融合，通過定制化開發解決行業痛點 —— 運維領域同樣迎來了這場智能化變革。
在日常的 IT 運維工作中，Zabbix 作為廣泛使用的監控系統，時刻守護著服務器、網絡設備和業務系統的穩定運行。當 CPU 利用率突增、內存占用異?；蚍枕憫舆t時，它能第一時間捕獲異常數據并觸發告警。但面對海量的監控指標和告警信息，運維人員往往需要花費大量時間分析根因、制定對策，效率瓶頸逐漸顯現。
今天，我們通過一個案例，探索全新的協同模式：通過 DeepSeek 大模型與 Zabbix 的技術融合，搭建一套智能分析報表應用，讓 AI 自動解析監控數據、生成專業分析報告，為運維決策提供精準支持。
為了讓大家對案例有一個整體的認識，會詳細描述程序安裝、具體操作、代碼執行的每個步驟。包括： Zabbix 安裝、Server 與 Agent 關聯，設置媒介、觸發器與動作，以及DeepSeek處理監控參數并生成報表等四大部分，全程干貨大家坐穩扶好，我發車。
一、安裝 Zabbix
Zabbix 是一款開源的企業級監控解決方案，由 Zabbix Server 和 Zabbix Agent 兩部分核心組件構成。Server 作為監控中樞，負責接收、存儲監控數據并觸發告警，支持分布式部署以應對大規模監控場景；Agent 則部署在被監控設備上，實時采集 CPU、內存、磁盤等硬件及系統指標，通過主動或被動模式將數據推送至 Server。
二者協同工作，可實現對服務器、網絡設備、應用程序等 IT 基礎設施的全面監控，憑借靈活的觸發器配置和豐富的可視化功能，成為運維人員掌握系統狀態的重要工具。接下來我們需要通過 Docker 的方式安裝二者，并在其基礎上進行報警的設置和智能報表的生成。
前置條件
在開啟 Zabbix 與 DeepSeek 的智能報表開發之旅前，需先安裝好 Docker。Docker 是一款開源的應用容器引擎，能助力開發者將應用及其依賴便捷打包至可移植的容器內，實現跨環境快速部署，具有輕量、高效等優勢。前往 ??Docker 官網??，依據自身操作系統（Windows、Mac、Linux 等），下載對應版本，按安裝向導提示完成操作，具體的安裝步驟比較簡單，在這里就不贅述了。
通過如下命令確認安裝。
docker --version如果看到如下輸出：
Docker version 28.1.1, build 4eba377說明 Docker 已經安裝好了。
下載 Zabbix docker yaml 文件
完成了 Docker 安裝之后，我們開始Zabbix 的安裝，首先就是 Zabbix Server 了。 由于 Zabbix Server 部署涉及 server、mysql、frontend 等多個鏡像，逐個用 docker 命令安裝配置繁瑣且易出錯。推薦通過 Docker Compose一鍵部署，Docker Compose 是 Docker 官方推出的容器編排工具，專為簡化多容器應用的部署與管理而生。其核心原理是通過一個 YAML 配置文件，集中定義應用所需的所有容器、網絡、存儲等資源及其關聯關系，比如 Zabbix 的 server、mysql、frontend 等組件的鏡像版本、環境變量、端口映射、依賴關系等。
使用時，只需執行一條命令，Docker Compose 便會根據配置文件自動創建并啟動所有容器，同時維護容器間的網絡通信和依賴順序，避免了逐個啟動容器時的繁瑣操作和配置遺漏。
創建 Zabbix docker 文件目錄
創建如下目錄，用來存放 yaml文件，后面會執行該目錄下的 yaml 文件完成 Zabbix 安裝。
通過如下命令創建目錄：
mkdir ~/docker && mkdir ~/docker/zabbix-docker && cd ~/docker/zabbix-docker
然后去 Zabbix 的 ???Github 網站???下載 yaml 文件，放到創建的目錄中。我這里使用的是最新的 zabbix-docker-7.4.3 的包，里面包含了很多 yaml 文件，我們選擇下圖所示， 紅色框體包含的部分就可以了。
修改 Zabbix 服務端口
順嘴說一下， 為了避免端口沖突問題的發生。我需要在.env 文件中修改如圖所示內容，修改之前 ZABBIX_WEB_NGINX_HTTP_PORT=80，我需要將其修改為 8080。如果不做修改，請保證本機運行的其他服務不會占用此端口。
ZABBIX_WEB_NGINX_HTTP_PORT=8080啟動 Zabbix 服務
設置好端口之后，執行如下命令：
docker compose -f docker-compose_v3_alpine_mysql_latest.yaml up -d首次運行需要下載鏡像，可能需要幾分鐘。
[+] Running 5/5
? Network zabbix-docker_default Created 0.1s
? Container zabbix-docker-mysql-1 Started 2.5s
? Container zabbix-docker-zabbix-server-1 Started 1.1s
? Container zabbix-docker-zabbix-web-1 Started 1.2s
? Container zabbix-docker-zabbix-agent-1 Started 1.1s通過 Docker Desktop 可以看到服務已經啟動。
此時可以打開瀏覽器，訪問 Web UI：
??http://localhost:8080?默認登錄賬號密碼：
- 用戶名：Admin?
- 密碼：zabbix
如果看到下圖說明 Zabbix Server 已經安裝完畢。
獲取 Zabbix Server 的 IP 地址
安裝完 Zabbix Server 之后就需要安裝 Zabbix Agent 了， 它會幫助我們監控主機的運行情況，并且將監控的結果傳回 Zabbix Server，同時還要與 Zabbix Server 保持心跳連接。
在安裝 Zabbix Agent 之前還需要知道 Zabbix Server 的 IP 以及需要監控主機的名字。
通過如下命令獲取 Zabbix Server 的 IP。
docker inspect -f \
'{{range $net,$cfg := .NetworkSettings.Networks}}{{printf "%s → %s\n" $net $cfg.IPAddress}}{{end}}' \
zabbix-docker-743-zabbix-server-1執行上述命令之后就可以查看 Zabbix Server 的 IP 地址了。
zabbix-docker-743_backend → 172.16.239.3
zabbix-docker-743_database → 172.18.0.3
zabbix-docker-743_frontend → 172.16.238.2
zabbix-docker-743_tools_frontend → 172.16.240.2從輸出的結果來看 “zabbix-docker-743_backend → 172.16.239.3” 就是 Zabbix server 的 IP 地址， 這里需要做一個記錄，后面創建 Zabbix Agent 的時候會用到。
獲取監控主機的名字
通過 Zabbix WebUI 中的“數據采集”-“主機”就可以看到主機的名稱，如下圖所示。我們要監控的主機名字為“Zabbix server”，這個是創建 Zabbix Agent 的時候所需要的信息。
安裝 Zabbix Agent
通過 docker 命令 pull 拉取 Zabbix Agent 的鏡像。
docker pull zabbix/zabbix-agent看到如下消息說明拉取成功。
Using default tag: latest
latest: Pulling from zabbix/zabbix-agent
864bc305c662: Pull complete
d0d6eeb62c3f: Pull complete
99888e073bcb: Pull complete
15ab7c0ba17b: Pull complete
e4df0cda2793: Pull complete
4f4fb700ef54: Pull complete
Digest: sha256:e0fc7757c9eed70ac907fe9609c0b6e9a11d5f20a5730d6c9867e606ebdd60e6
Status: Downloaded newer image for zabbix/zabbix-agent:latest
docker.io/zabbix/zabbix-agent:latest啟動 Zabbix Agent
上面一頓操作 Zabbix Server 已安裝， 連帶還把 frontend，database 等服務也裝上了。接下來，通過如下命令安裝 Zabbix Agent。
docker run -dit \
--name zabbix-agent \
--network zabbix-docker-743_backend \
-p 10050:10050 \
-e ZBX_HOSTNAME="Zabbix server" \
-e ZBX_SERVER_HOST="172.16.239.3" \
-e ZBX_SERVER_PORT="10051" \
zabbix/zabbix-agent:latest執行完畢之后，到 Zabbix Desktop 中查看執行結果。
看到如下圖所示，說明已經連接上 Zabbix Server 了。
二、關聯 Zabbix Server 與 Zabbix Agent
自此，Zabbix Server 與 Agent 都已安裝完畢，還需要在 Zabbix Server 中設置被監控主機的 Agent IP地址，一般來說我們會在被監控主機上安裝 Zabbix Agent 從而監控主機的運行狀態。所以，需要在 Zabbix Server WebUI 上配置Zabbix Agent 的 IP 地址。
通過如下命令，查看 Zabbix Agent 的 IP 地址：
docker inspect -f '{{range $net,$cfg := .NetworkSettings.Networks}}{{printf "%s → %s\n" $net $cfg.IPAddress}}{{end}}' zabbix-agent執行之后得到如下結果：
zabbix-docker-743_backend → 172.16.239.4接著將 IP （172.16.239.4），也就是 Zabbix Agent 的 IP， 寫入到 Zabbix Server 接口的 Agent 中。
需要通過如下圖的配置步驟，首先在“檢測”中找到“主機”。
在彈出的對話框中選中“主機”。
在主機的“接口”設置中的 Agent 類型中輸入 IP 地址，這里讓 Zabbix Server 能夠識別到 Zabbix Agent。
“更新”完畢之后，可以在主機“Zabbix server”中看到“可用性”描述了接口（172.16.239.4:10050）的狀態為“可用”，表示 Zabbix Server 和 Agent 已經連接成功了。
三、設置媒介、觸發器與動作
在對 Zabbix Server 與 Agent 進行關聯之后，他們就能互相找到對方了，接著就需要定義媒介，設置腳本搜集監控參數，然后調用 DeepSeek 生成分析報表。這里我們的大致思路是通過設置 Zabbix 觸發器接受從 Zabbix Agent 傳來的參數異常信息，再讓觸發器與本地腳本進行互動，讓腳本調用 DeepSeek 智能程序生成參數異常分析報告。
具體步驟，如下圖所示，分為四個環節：
- 媒介（模塊 1）：定義基礎通信能力，通過「腳本」（如郵件發送腳本、消息推送腳本）與「消息」（告警內容模板），為后續通知動作提供基礎載體，決定 “用什么方式、發什么內容”。
- 用戶媒介關聯（模塊 2）：建立「用戶」與「媒介」的綁定關系，讓抽象的通信能力落地到具體用戶，比如 “用戶 A 關聯‘郵件媒介’、用戶 B 關聯‘企業微信媒介’”，解決 “誰接收、用哪種媒介接收” 的問題。
- 主機（模塊 3）：依托「觸發器」+「表達式」，監控主機狀態（如 CPU 過載、服務宕機），當系統指標匹配表達式規則（如 CPU 使用率超過一定數值 ），觸發器被激活，成為告警的 “信號燈”。
- 觸發動作（模塊 4）：通過「條件」（關聯觸發器）判斷是否觸發，滿足條件后，調用「操作」關聯的「媒介 + 用戶」，完成告警閉環 —— 把模塊 1 定義的消息，通過模塊 2 綁定的媒介，精準推送給用戶，實現 “異常發生 → 自動告警” 的完整流程。
添加腳本
在了解完整體思路之后，我們先在媒體中“添加腳本”。查看 Zabbix Server 中腳本所在的目錄，通過 docker 命令查看哪些鏡像正在執行。
docker ps在“names”這一列，可以看到鏡像的名稱，得到如下結果：
由于我們希望在 Zabbix Server 中安裝腳本，當介紹到 Zabbix Agent 的信息之后， 設置對應的報警規則（觸發器），然后再通過事件調用腳本，通過腳本執行 DeepSeek 的調用。所以要確認 Zabbix Server 中對應存放腳本的目錄，為了方便后面將主機的腳本目錄掛載到 Zabbix Server 中的腳本目錄。
執行如下命令進入 Zabbix server 鏡像的 docker 命令行模式：
docker exec -it zabbix-docker-743-zabbix-server-1 /bin/sh執行如下命令， 確認在鏡像中存在如下目錄，作為腳本的掛載目錄：
ls -ld /usr/lib/zabbix/alertscripts接著回到主機，在~/docker/下 創建zabbix-scripts 目錄， 在目錄中創建一個 deepseek.sh 的腳本作為測試腳本。
腳本內容先放入簡單的“hello deepseek”。
#!/bin/bash
echo "hello deepseek"然后給目錄和腳本設置權限。
Docker 容器內的 Zabbix 進程通常以非 root 用戶（如 zabbix 用戶，UID 可能為 1997）運行，而宿主機的目錄 / 文件默認權限可能不允許容器內的非 root 用戶訪問或執行。
# 進入宿主機腳本目錄的父目錄
cd ~/docker
# 給目錄設置可執行權限（允許進入目錄）
chmod 755 zabbix-scripts
# 給目錄內的腳本文件設置可執行權限
chmod +x zabbix-scripts/*.sh修改啟動鏡像命令所對應的文件，于是我們修改 docker-compose_v3_alpine_mysql_latest.yaml 文件，找到 zabbix server 對應的段落。
zabbix-server:
extends:
file: compose_zabbix_components.yaml
service: server-mysql
image: "${ZABBIX_SERVER_MYSQL_IMAGE}:${ZABBIX_ALPINE_IMAGE_TAG}${ZABBIX_IMAGE_TAG_POSTFIX}"
volumes:
- /etc/timezone:/etc/timezone:ro
- ~/docker/zabbix-scripts:/usr/lib/zabbix/alertscripts
depends_on:
server-db-init:
condition: service_completed_successfully
labels:
com.zabbix.os: "${ALPINE_OS_TAG}"在這個部分加入，如下部分在 volumes 掛載的時候將腳本目錄和 zabbix server 中的腳本目錄進行對應。
- ~/docker/zabbix-scripts:/usr/lib/zabbix/alertscripts最后，通過如下命令重新啟動 docker 鏡像。
# 先停止并移除當前運行的容器（不會刪除數據卷和鏡像）
docker compose -f docker-compose_v3_alpine_mysql_latest.yaml down
# 重新創建并啟動容器（會應用新的volumes配置）
docker compose -f docker-compose_v3_alpine_mysql_latest.yaml up -d好了，腳本已經加載到 zabbix server 的鏡像中了，我們要測試一下是否能夠執行，以便后面事件調用的時候能夠成功。
主機中順序執行如下代碼，分別是進入 docker 執行模式，跳轉到腳本目錄，執行 deepseek 的腳本。
docker exec -it zabbix-docker-743-zabbix-server-1 /bin/sh
cd /usr/lib/zabbix/alertscripts
./deepseek.sh為了完成測試，在 deepseek.sh 中我們寫入如下內容：
#!/bin/bash
# 獲取當前腳本所在目錄的絕對路徑
SCRIPT_DIR=$(cd "$(dirname "${BASH_SOURCE[0]}")" &>/dev/null && pwd)
# 獲取當前時間（格式：年-月-日 時:分:秒）
CURRENT_TIME=$(date "+%Y-%m-%d %H:%M:%S")
# 在腳本同目錄創建test.txt并寫入內容（包含時間戳）
echo "[$CURRENT_TIME] hello deepseek" > "$SCRIPT_DIR/test.txt"
# 可選：如果希望保留歷史記錄（而非覆蓋），用 >> 追加模式
# echo "[$CURRENT_TIME] hello deepseek" >> "$SCRIPT_DIR/test.txt"在與 deepseek.sh 同目錄下生成一個 test.txt 文件，寫入時間和“hello deepseek”的字樣。
設置媒介
接著來設置媒介，如下圖所示“創建媒介類型”。
在創建頁面填寫“名稱”（沒有特別要求）和“腳本名稱”，這里的“腳本名稱”需要與剛才掛載的腳本名稱保持一致，還需要保證它在 docker 容器的如下地址：
/usr/lib/zabbix/alertscripts
點擊“更新”完成腳本的創建。
此時回到媒介的列表頁面，可以測試剛剛創建的腳本。點擊“測試”按鈕，如果看到測試成功的字樣，說明腳本運行沒有問題了。
如果不放心，還可以回到腳本掛載的目錄下面確認文件是否生成，內容是否與你所期望的一致。
這里也可以創建消息模版，如下圖所示：
關聯媒介與用戶
有了媒介（腳本+消息），接著需要將其關聯到用戶，也就是這個媒介給誰用？由于媒介屬于“告警”的范疇，那么是告警就需要有具體的“人”響應。
如下圖操作方式，這里我們選擇“Admin”作為響應的“人”。
選擇“報警”媒介。
點擊“添加”。
在“類型”中選擇，剛才我們創建好的腳本媒介，這里收件人可以填寫一個郵件地址。
設置觸發器
經過前面的設置之后，我們需要通過觸發器發出報警，然后調用對應的腳本執行操作以及通知到具體的人。
如系統所示，進入觸發器添加界面。
點擊“創建觸發器”。
填寫觸發器的內容，注意這里我設置的是 CPU 使用率超過 3%。為了方便測試，我這里修改成一個很小的值。在真實場景中需要按照 80 或者 90 這樣的數據進行觸發器的設置。
點擊“表達式”旁邊的“添加”按鈕進行條件的添加。
設置動作（關聯腳本）
完成上述操作之后，接下來就是設置動作，如下圖所示“創建動作”。
接著是一連串的“選擇”操作，選擇“添加”條件，然后在條件中選擇觸發器類型，以及具體的觸發器。這里的觸發器用我們之前創建好的 “CPU 使用率超過 3%”。
最后就是設置“操作”了，將消息通過之前設置好的郵箱發送給用戶。
到這里整個媒介、觸發器與動作的配置完成，讓我們通過下面這張圖再回顧一下整個過程。
測試觸發器
這里需要通過模擬 CPU 使用率高的場景，從而觸發報警，然后調用我們寫好的 deepseek.sh 腳本。
執行如下代碼以 root 的身份開啟 docker 命令行模式。由于我們需要安裝 stress 工具模擬 CPU 執行，所以需要 root 身份獲取安裝應用的權限。
docker exec -it --user root zabbix-docker-743-zabbix-server-1 /bin/sh分別執行如下：
apk update
apk add stress-ng顯示安裝成功之后，再執行命令如下，啟動4個CPU密集型進程，持續 30 秒。
stress-ng -c 4 -t 30s執行完之后，如下圖所示：
最后看看腳本是否執行。
cat /usr/lib/zabbix/alertscripts/test.txt由于我們的腳本會在當前目錄下面生成 test.txt 文件，所以打開文件，看到如下內容。
[2025-08-06 16:25:24] hello deepseek
說明整個從觸發、腳本、執行的過程成功了。接下來，我們需要在腳本中去調用 DeepSeek 的能力對數據進行分析。
四、 DeepSeek處理監控參數并生成報表
在完成觸發器的測試之后，整個調用的鏈路就通暢了，接下來只需要將 deepseek.sh 腳本中的內容進行修改，去調用 DeepSeek 生成分析報告即可。由于 DeepSeek 的調用還需要一些 Python 的組件包，我們首先還是要進行組件安裝與環境配置的操作。
組件安裝與環境配置
在 Docker server 的運行容器內安裝 Python 和 OpenAI。
執行如下命令：
apk update
apk add --no-cache python3 py3-pip
python3 --version
pip3 --version
看到如下信息，說明安裝成功。
/var/lib/zabbix # python3 --version
Python 3.12.11
/var/lib/zabbix # pip3 --version
pip 25.1.1 from /usr/lib/python3.12/site-packages/pip (python 3.12)接著使用剛剛安裝完成的 pip3 安裝 OpenAI，這里需要先安裝 venv 為我們的代碼創建虛擬環境，接著激活環境，然后在這個虛擬環境中安裝 OpenAI。
# 1. 安裝虛擬環境工具（Alpine 中需手動安裝）
apk add --no-cache python3-venv
# 2. 創建虛擬環境（路徑可自定義，例如 /var/lib/zabbix/venv）
python3 -m venv /var/lib/zabbix/venv
# 3. 激活虛擬環境
source /var/lib/zabbix/venv/bin/activate
# 4. 在虛擬環境中安裝 openai（此時 pip 指向虛擬環境，無權限問題）
pip install openai
# 5. 驗證安裝（激活狀態下）
python -c "import openai; print('安裝成功')" # 無報錯即成功
# 6. 退出虛擬環境（后續調用腳本時需先激活）
deactivate在編寫 Deepseek.py 之前還需要保存 DeepSeek 的 API。這里我們將其保存到.env 文件中，文件內容如下：
DEEPSEEK_API_KEY=sk-aec0ed226aXXXX5ffd89ff同時需要通過python-dotenv 讀取 .env 文件中的環境變量，執行如下命令。 保證在 Python 的虛擬環境中。
source /var/lib/zabbix/venv/bin/activate
pip install python-dotenv測試 DeepSeek API 是否能夠調通。
安裝 curl，并執行指令：
apk add curl
curl -v https://api.deepseek.com/v1DeepSeek 生成告警報表
這里需要利用 DeepSeek 的 API 調用 DeepSeek 的能力， API 的調用在前面得到了證實。接下來就是代碼的環節。
import os
import sys
import datetime
from openai import OpenAI
from dotenv import load_dotenv # 新增：導入dotenv庫
load_dotenv() # 默認讀取當前目錄的.env文件，若路徑不同可指定：load_dotenv("/path/to/.env")
def generate_alert_report():
# 定義錯誤日志文件路徑（與腳本同目錄）
script_dir = os.path.dirname(os.path.abspath(__file__)) # 獲取當前腳本所在目錄（絕對路徑）
error_log = os.path.join(script_dir, "error.log") # 錯誤日志放在腳本目錄
# 接收從Shell腳本傳遞的參數
if len(sys.argv) != 7:
error_msg = "錯誤：參數數量不正確，需要6個參數（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
# 解析參數
cpu_util = sys.argv[1] # CPU利用率值
host_name = sys.argv[2] # 主機名稱
item_key = sys.argv[3] # 監控項鍵值
host_ip = sys.argv[4] # 主機IP
event_time = sys.argv[5] # 告警時間
trigger_name = sys.argv[6] # 觸發器名稱
try:
# 檢查API密鑰是否存在
if not os.environ.get("DEEPSEEK_API_KEY"):
error_msg = "錯誤：未設置DEEPSEEK_API_KEY環境變量"
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客戶端（DeepSeek兼容OpenAI SDK）
client = OpenAI(
api_key=os.environ.get("DEEPSEEK_API_KEY"),
base_url="https://api.deepseek.com/v1"
)
# 構建系統提示詞（定義AI的角色和報告要求）
system_prompt = """
你是一名資深運維工程師，擅長分析服務器性能告警并生成專業報告。
請根據提供的CPU告警信息，生成一份結構化的告警分析報告，包含以下內容：
1. 告警基本信息（主機、IP、時間、觸發條件）
2. 可能的原因分析（基于CPU利用率和監控項）
3. 建議的處理步驟（分點說明，清晰具體）
4. 預防措施（如何避免類似問題再次發生）
報告風格要專業、簡潔，重點突出，便于運維人員快速理解和處理。
"""
# 構建用戶提示詞（傳遞具體參數）
user_prompt = f"""
服務器告警信息如下：
- 主機名稱：{host_name}
- 主機IP：{host_ip}
- 告警時間：{event_time}
- 觸發條件：{trigger_name}
- 當前CPU利用率：{cpu_util}%
- 監控項鍵值：{item_key}
請基于以上信息生成告警分析報告。
"""
# 調用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
)
# 獲取模型返回的報告內容
report_content = response.choices[0].message.content
# 生成報告文件名（包含主機名和時間戳）
timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S")
clean_host_name = host_name.replace(" ", "_") # 處理主機名中的空格
report_filename = os.path.join(script_dir, f"alert_report_{clean_host_name}_{timestamp}.txt") # 關鍵：用script_dir指定路徑
# 將報告寫入文件
with open(report_filename, "w", encoding="utf-8") as f:
f.write(f"=== 服務器CPU告警分析報告 ===\n")
f.write(f"生成時間：{datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')}\n\n")
f.write(report_content)
return f"告警報告生成成功：{report_filename}"
except Exception as e:
# 捕獲所有異常并寫入錯誤日志
error_msg = f"生成報告失?。簕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) # 輸出結果給Shell腳本上面代碼會接受來自 deepseek.sh 腳本傳來的參數（CPU 報警參數），然后扮演 IT 運維工程師利用 DeepSeek 大模型生成報警的報告。
將報告放置在與 deepseek.py 相同的目錄下。
在腳本中調用 deepseek.py
完成 deepseek.py 之后，我們還需要在 deepseek.sh 腳本中調用它，當觸發器發出報警的時候調用deepseek.sh，deepseek.sh 再將報警數據傳入deepseek.py 完成告警的閉環操作。
deepseek.sh 腳本修改如下：
#!/bin/bash
# 獲取腳本目錄和日志文件
SCRIPT_DIR=$(cd "$(dirname "${BASH_SOURCE[0]}")" &>/dev/null && pwd)
LOG_FILE="$SCRIPT_DIR/cpu_multi_params_log.log"
# 接收多個參數（按Zabbix配置的順序對應）
cpu_util="$1" # 參數1：CPU利用率值
host_name="$2" # 參數2：主機名稱
item_key="$3" # 參數3：監控項鍵值
host_ip="$4" # 參數4：主機IP
event_time="$5" # 參數5：告警時間
trigger_name="$6" # 參數6：觸發器名稱
# 記錄所有參數到日志
{
echo "========================================="
echo "日志生成時間: $(date "+%Y-%m-%d %H:%M:%S")"
echo "1. CPU利用率值: $cpu_util"
echo "2. 主機名稱: $host_name"
echo "3. 監控項鍵值: $item_key"
echo "4. 主機IP地址: $host_ip"
echo "5. 告警觸發時間: $event_time"
echo "6. 觸發器名稱: $trigger_name"
echo ""
} >> "$LOG_FILE"
# 簡單驗證（確保核心參數不為空）
if [ -z "$cpu_util" ] || [ -z "$host_name" ]; then
echo "[$(date "+%Y-%m-%d %H:%M:%S")] 錯誤：核心參數缺失（CPU值或主機名）" >> "$LOG_FILE"
exit 1
fi
echo "[$(date "+%Y-%m-%d %H:%M:%S")] 多參數接收成功" >> "$LOG_FILE"
# 調用deepseek.py并傳遞6個參數
PY_SCRIPT="$SCRIPT_DIR/deepseek.py"
if [ -f "$PY_SCRIPT" ]; then
echo "[$(date "+%Y-%m-%d %H:%M:%S")] 開始調用Python腳本生成報告" >> "$LOG_FILE"
# 執行Python腳本并捕獲輸出結果
python_result=$(
source /var/lib/zabbix/venv/bin/activate && \ # 激活虛擬環境
python3 "$PY_SCRIPT" "$cpu_util" "$host_name" "$item_key" "$host_ip" "$event_time" "$trigger_name" 2>&1
)
# 將Python腳本的執行結果寫入日志
echo "[$(date "+%Y-%m-%d %H:%M:%S")] Python腳本執行結果: $python_result" >> "$LOG_FILE"
else
echo "[$(date "+%Y-%m-%d %H:%M:%S")] 錯誤：未找到Python腳本 $PY_SCRIPT" >> "$LOG_FILE"
exit 1
fi注意如下代碼，在調用 deepseek.py 之前需要激活虛擬環境，然后再通過 Python 的命令行傳入幾個參數。
python_result=$(
source /var/lib/zabbix/venv/bin/activate && \ # 激活虛擬環境
python3 "$PY_SCRIPT" "$cpu_util" "$host_name" "$item_key" "$host_ip" "$event_time" "$trigger_name" 2>&1
)測試 CPU 報警功能
依舊通過如下命令增加 CPU 利用率。
stress-ng -c 4 -t 30s接著會在 Zabbix 平臺,看到對應的報警信息。
同時，在 deepseek.sh 相同的目錄下面看到日志信息。
日志生成時間: 2025-08-07 16:32:15
1. CPU利用率值: 3.5 %
2. 主機名稱: Zabbix server
3. 監控項鍵值: system.cpu.util
4. 主機IP地址: 172.16.239.4
5. 告警觸發時間: 16:31:24
6. 觸發器名稱: CPU使用率超過3%
[2025-08-07 16:32:15] 多參數接收成功
[2025-08-07 16:32:15] 開始調用Python腳本生成報告
[2025-08-07 16:32:54] Python腳本執行結果: 告警報告生成成功：/usr/lib/zabbix/alertscripts/alert_report_Zabbix_server_20250807_163254.txt日志中看到傳入的 CPU 使用率的參數，以及 Python 腳本生成報告的信息。
同時再查看如下報告文件：
/usr/lib/zabbix/alertscripts/alert_report_Zabbix_server_20250807_163254.txt得到報告的詳細信息。
=== 服務器CPU告警分析報告 ===
生成時間：2025-08-07 16:32:54
# CPU告警分析報告
## 1. 告警基本信息
| 項目 | 詳情 |
|------|------|
| 主機名稱 | Zabbix server |
| 主機IP | 172.16.239.4 |
| 告警時間 | 16:31:24 |
| 觸發條件 | CPU使用率 > 3% |
| 當前CPU利用率 | 3.5% |
| 監控項鍵值 | system.cpu.util |
## 2. 可能的原因分析
1. **監控閾值設置過低**：3%的CPU利用率閾值對于生產環境服務器來說過于敏感
2. **Zabbix自身監控活動**：作為監控服務器，Zabbix自身的數據收集和處理可能導致短暫的CPU使用率波動
3. **后臺維護任務**：可能正在執行計劃任務、日志輪轉或數據庫維護等常規操作
4. **網絡活動增加**：客戶端數據上報量臨時增加導致處理負載上升
## 3. 建議的處理步驟
1. **確認當前系統狀態**：
- 執行`top`或`htop`命令查看實時進程占用情況
- 檢查`uptime`命令輸出的系統負載平均值
- 使用`ps aux --sort=-%cpu | head -10`查看CPU占用最高的進程
2. **調整監控閾值**：
- 建議將CPU告警閾值調整為更合理的水平（如80%）
- 對于Zabbix服務器，可考慮設置多級告警（警告/嚴重）
3. **檢查Zabbix服務狀態**：
- 查看Zabbix server日志：`tail -f /var/log/zabbix/zabbix_server.log`
- 確認是否有異常的任務堆積或數據庫查詢問題
## 4. 預防措施
1. **優化監控配置**：
- 根據服務器角色和基準性能調整告警閾值
- 對監控項設置合理的聚合時間（如5分鐘平均值）
2. **性能基線建立**：
- 記錄服務器在不同時段的正常性能指標作為基準
- 設置基于基線的動態告警閾值
3. **資源分配優化**：
- 確保Zabbix服務器有足夠的CPU資源
- 考慮將數據庫與Zabbix服務分離部署
4. **定期維護**：
- 定期清理Zabbix歷史數據
- 優化數據庫表和索引
5. **告警分級**：
- 設置多級告警策略（信息/警告/嚴重）
- 對非關鍵告警配置不同的通知渠道
**備注**：當前3.5%的CPU使用率屬于極低負載，建議優先調整監控策略而非進行系統優化。總結
本文圍繞 Zabbix 與 DeepSeek 大模型的融合實踐展開，構建智能運維分析體系。從基礎部署起步，借 Docker 及 Compose 簡化 Zabbix 復雜組件安裝，完成 Server 與 Agent 關聯，打通監控數據采集鏈路。
核心環節聚焦告警流程：通過配置媒介、觸發器與動作，搭建從異常檢測到腳本觸發的通路，再借助 Docker 掛載腳本，實現與 DeepSeek 大模型的銜接。編寫 Python 腳本調用 DeepSeek API，利用其智能分析能力，將 Zabbix 捕獲的 CPU 利用率、主機信息等監控參數，轉化為包含故障根因、處理建議的專業報表，賦能運維決策。
從模擬 CPU 過載測試驗證流程閉環，到生成結構化分析報告，展現了大模型與傳統監控工具結合的價值 —— 打破人工分析效率瓶頸，讓運維從 “被動響應” 邁向 “智能預判”。
作者介紹
崔皓，51CTO社區編輯，資深架構師，擁有18年的軟件開發和架構經驗，10年分布式架構經驗。
