DPTCloud
Quay lại danh sách
Tin tức công nghệ

Xây dựng hệ thống giám sát và cảnh báo thời gian thực trạng thái ổ cứng NVMe/SSD trên VPS bằng Prometheus Node Exporter và Alertmanager

27 tháng 5, 2026

1. Đặt vấn đề: Tại sao cần giám sát thời gian thực ổ cứng NVMe/SSD trên VPS?

Trong kỷ nguyên số hóa, dữ liệu được ví như tài sản vô giá của mọi doanh nghiệp. Đối với các hệ thống vận hành trên máy chủ ảo (VPS), ổ cứng NVMe (Non-Volatile Memory Express) và SSD (Solid-State Drive) là thành phần cốt lõi quyết định tốc độ xử lý và sự ổn định của ứng dụng. Tuy nhiên, không có thiết bị phần cứng nào là vĩnh cửu. Ổ cứng SSD/NVMe có tuổi thọ giới hạn dựa trên chu kỳ ghi xóa (TBW - Terabytes Written) và có thể gặp sự cố đột ngột do quá nhiệt hoặc lỗi vật lý.

Việc hệ thống gặp sự cố ổ cứng mà không được cảnh báo trước sẽ dẫn đến những hậu quả nghiêm trọng: đình trệ dịch vụ, mất mát dữ liệu khách hàng và thiệt hại lớn về mặt doanh thu lẫn uy tín thương hiệu. Chính vì vậy, việc xây dựng một hệ thống giám sát và cảnh báo thời gian thực không còn là một tùy chọn, mà là yêu cầu bắt buộc đối với các kỹ sư hệ thống và nhà quản trị IT chuyên nghiệp.

2. Kiến trúc giải pháp: Prometheus, Node Exporter và Alertmanager

Để giải quyết bài toán này một cách tối ưu và tiết kiệm chi phí, mô hình kết hợp giữa các công cụ mã nguồn mở tiêu chuẩn công nghiệp bao gồm Prometheus, Node Exporter (kết hợp textfile collector) và Alertmanager là sự lựa chọn hàng đầu.

  • Prometheus: Hệ thống lưu trữ dữ liệu chuỗi thời gian (Time-Series Database) đóng vai trò trung tâm, chịu trách nhiệm thu thập (pull) các chỉ số (metrics) từ máy chủ định kỳ và đánh giá các quy tắc cảnh báo (alerting rules).
  • Node Exporter: Một agent gọn nhẹ chạy trên VPS mục tiêu, có nhiệm vụ thu thập thông tin phần cứng và hệ điều hành. Đối với ổ cứng NVMe, chúng ta sẽ kết hợp thêm công cụ smartctl (thông qua textfile collector) để trích xuất các chỉ số chuyên sâu như nhiệt độ, tỷ lệ phần trăm tuổi thọ đã sử dụng (percentage used), và lỗi truyền tải dữ liệu.
  • Alertmanager: Thành phần tiếp nhận các cảnh báo từ Prometheus, xử lý trùng lặp, nhóm các cảnh báo tương tự và gửi thông báo trực tiếp đến các kênh truyền thông của doanh nghiệp như Telegram, Slack, hoặc Email.
Kiến trúc này đảm bảo tính modular cao, khả năng mở rộng dễ dàng từ một vài VPS lên đến hàng trăm máy chủ mà không làm ảnh hưởng đến hiệu năng hệ thống hiện tại.

3. Hướng dẫn triển khai chi tiết từng bước

Bước 1: Cài đặt và cấu hình Node Exporter cùng SMART Tool trên VPS

Đầu tiên, chúng ta cần cài đặt công cụ giám sát sức khỏe ổ cứng smartmontools và Node Exporter trên VPS cần giám sát. Giả định hệ điều hành đang sử dụng là Ubuntu/Debian:

sudo apt update && sudo apt install smartmontools prometheus-node-exporter -y

Do Node Exporter mặc định chưa thu thập sâu các chỉ số SMART của NVMe, chúng ta sẽ sử dụng tính năng Textfile Collector. Tạo một script cronjob định kỳ chạy lệnh smartctl và chuyển đổi định dạng sang dạng metrics mà Prometheus hiểu được. Bạn có thể sử dụng script mã nguồn mở smartmon.sh phổ biến từ cộng đồng Prometheus để xuất dữ liệu ra thư mục /var/lib/prometheus/node-exporter/.

Kích hoạt tính năng textfile trong file cấu hình của Node Exporter bằng cách thêm tham số: --collector.textfile.directory=/var/lib/prometheus/node-exporter/ và khởi động lại dịch vụ:

sudo systemctl restart prometheus-node-exporter

Bước 2: Cấu hình Prometheus Server thu thập dữ liệu

Trên máy chủ chạy Prometheus, chỉnh sửa file cấu hình prometheus.yml để thiết lập job thu thập dữ liệu từ VPS mục tiêu:

scrape_configs:
  - job_name: 'vps-nvme-monitoring'
    static_configs:
      - targets: [':9100']

Khởi động lại hoặc reload Prometheus để áp dụng cấu hình mới. Lúc này, các chỉ số quan trọng như smartmon_temperature_celsius hoặc smartmon_percentage_used sẽ bắt đầu được ghi nhận vào cơ sở dữ liệu.

Bước 3: Thiết lập quy tắc cảnh báo (Alerting Rules)

Đây là bước quan trọng nhất để hệ thống có thể tự động nhận biết khi nào ổ cứng gặp nguy hiểm. Tạo một file quy tắc cảnh báo mới, ví dụ nvme_alerts.yml:

groups:
  - name: nvme_storage_alerts
    rules:
      - alert: NVMeHighTemperature
        expr: smartmon_temperature_celsius > 65
        for: 5m
        labels:
          severity: critical
        annotations:
          summary: "Cảnh báo: Nhiệt độ ổ cứng NVMe quá cao trên {{ $labels.instance }}"
          description: "Nhiệt độ hiện tại là {{ $value }}°C, vượt ngưỡng an toàn 65°C."

      - alert: NVMeLowLifeExpectancy
        expr: smartmon_percentage_used > 85
        for: 1h
        labels:
          severity: warning
        annotations:
          summary: "Cảnh báo: Tuổi thọ ổ cứng NVMe sắp hết"
          description: "Ổ cứng đã sử dụng {{ $value }}% chu kỳ ghi xóa. Cần lên kế hoạch thay thế."

      - alert: NVMeDeviceFailurePredicted
        expr: smartmon_device_smart_status == 0
        for: 1m
        labels:
          severity: critical
        annotations:
          summary: "NGUY HIỂM: Ổ cứng có dấu hiệu hỏng hóc vật lý"
          description: "Trạng thái SMART báo cáo lỗi nghiêm trọng trên {{ $labels.instance }}. Thay thế ngay lập tức!"

Đừng quên khai báo file quy tắc này trong phần rule_files của file prometheus.yml chính.

Bước 4: Cấu hình Alertmanager để gửi thông báo qua Telegram/Slack

Để nhận được thông báo ngay lập tức trên điện thoại hoặc máy tính, chúng ta cấu hình Alertmanager kết nối với Telegram Bot. Chỉnh sửa file alertmanager.yml:

route:
  receiver: 'telegram-notifications'
  group_by: ['alertname']
  group_wait: 30s
  group_interval: 5m
  repeat_interval: 3h

receivers:
- name: 'telegram-notifications'
  telegram_configs:
  - bot_token: ''
    chat_id: 
    send_resolved: true

Khi cấu hình hoàn tất, mỗi khi nhiệt độ ổ cứng tăng cao đột biến do hệ thống chạy quá tải hoặc tản nhiệt phòng máy chủ gặp sự cố, bạn sẽ nhận được tin nhắn cảnh báo chi tiết chỉ sau vài giây.

4. Lợi ích vượt trội mang lại cho doanh nghiệp

Việc sở hữu một hệ thống giám sát chủ động mang lại những giá trị thực tế vô cùng lớn:

  1. Chuyển dịch từ thế bị động sang chủ động: Thay vì chờ đợi hệ thống sập và dữ liệu bị hỏng rồi mới khắc phục, doanh nghiệp có thể chủ động lên lịch bảo trì, thay thế ổ cứng vào khung giờ ít lượt truy cập nhất khi nhận được cảnh báo tuổi thọ (Percentage Used).
  2. Tối ưu hóa chi phí vận hành: Sử dụng hoàn toàn các giải pháp mã nguồn mở giúp doanh nghiệp cắt giảm chi phí bản quyền phần mềm giám sát đắt đỏ mà vẫn đạt được hiệu quả tương đương, thậm chí linh hoạt hơn.
  3. Đảm bảo cam kết chất lượng dịch vụ (SLA): Giảm thiểu tối đa thời gian downtime của hệ thống, duy trì trải nghiệm mượt mà cho khách hàng và bảo vệ uy tín của thương hiệu trên thị trường.

5. Lời kết

Xây dựng hệ thống giám sát và cảnh báo thời gian thực cho ổ cứng NVMe/SSD trên VPS bằng bộ ba Prometheus, Node Exporter và Alertmanager là một giải pháp chuẩn mực, bền vững và mạnh mẽ. Việc đầu tư thời gian để triển khai hệ thống này chính là chiếc chìa khóa giúp doanh nghiệp bảo vệ tài sản dữ liệu và đảm bảo tính liên tục của hoạt động kinh doanh. Hãy bắt tay vào triển khai ngay hôm nay để mang lại sự an tâm tuyệt đối cho hệ thống hạ tầng của bạn.