Merge pull request #8 from chennest/feature/monitoring-dashboard

安全脱敏：清除内网拓扑与凭据信息

Author: chennest

.github/workflows/ci.yml

@@ -23,7 +23,7 @@ jobs:
 
       - uses: actions/setup-python@v5
         with:
-          python-version: "3.13"   # 对齐 pve02 线上版本
+          python-version: "3.13"   # 对齐线上生产版本
 
       - name: 后端单元测试
         run: |

CLAUDE.md

@@ -166,22 +166,22 @@ cat logs/fancontroller.log.YYYY-MM-DD
 
 ```yaml
 prometheus:
-  base_url: "http://192.168.6.31:30091"
+  base_url: "http://192.0.2.20:30091"
   timeout: 10
 
 servers:
   - type: epycd8
     prometheus:                          # per-server 覆盖（多机场景必需）
-      fan_instance:  "192.168.6.7:9290"  # 风扇转速 ← ipmi_exporter
-      temp_instance: "192.168.6.7:9100"  # CPU 温度  ← node_exporter
-      gpu_instance:  "192.168.6.7:9400"  # GPU 温度  ← DCGM exporter
+      fan_instance:  "192.0.2.10:9290"  # 风扇转速 ← ipmi_exporter
+      temp_instance: "192.0.2.10:9100"  # CPU 温度  ← node_exporter
+      gpu_instance:  "192.0.2.10:9400"  # GPU 温度  ← DCGM exporter
 ```
 
-| 数据 | 指标 | instance（pve02 实测） |
+| 数据 | 指标 | instance（实测示例） |
 |------|------|----------------------|
-| 风扇转速 | `ipmi_fan_speed_rpm{name="FRNT_FAN1"}` | `192.168.6.7:9290` |
-| CPU 温度 | `node_hwmon_temp_celsius`（按语义标签 `label="Tctl"` 过滤） | `192.168.6.7:9100` |
-| GPU 温度 | `DCGM_FI_DEV_GPU_TEMP` | `192.168.6.7:9400` |
+| 风扇转速 | `ipmi_fan_speed_rpm{name="FRNT_FAN1"}` | `192.0.2.10:9290` |
+| CPU 温度 | `node_hwmon_temp_celsius`（按语义标签 `label="Tctl"` 过滤） | `192.0.2.10:9100` |
+| GPU 温度 | `DCGM_FI_DEV_GPU_TEMP` | `192.0.2.10:9400` |
 
 ⚠️ **三个 instance 对应三个不同的 exporter，混用会直接查不到数据。** 配置项
 分别为 `fan_instance` / `temp_instance` / `gpu_instance`（笼统的 `instance` 仍
@@ -219,7 +219,7 @@ servers:
 
 本仓库真正在用的是 `app/`（FastAPI 控制台）+ `frontend/`（Vue3 前端）：
 
-- 控速依据是 **GPU 温度**（DCGM），目标机 pve02 的机箱风扇，写 `ipmitool raw 0x3a 0x01`
+- 控速依据是 **GPU 温度**（DCGM），目标机的机箱风扇，写 `ipmitool raw 0x3a 0x01`
 - 运行时状态（模式 / 管控 GPU / 分配关系 / 审计）**全部落 SQLite**，配置文件只是首次运行的种子
 
 **实时数据源：三个外部 exporter（自备组件，不随仓库提供，装法不限）**

DEPLOY.md

@@ -1,9 +1,9 @@
 # 部署手册 —— GPU 风扇控制台
 
-> 目标机：**pve02**（ASRock Rack EPYCD8，192.168.6.7，BMC 2.20）
+> 目标机：你的 GPU 宿主机（下文 `<目标机>` / `<连接名>` 按实际替换）
 > 部署目录：`/opt/gpu-fan-console` ｜ 服务名：`gpu-fan-console.service`
-> 访问地址：`http://192.168.6.7:8765`
-> 最后核对：2026-09-28（当时线上 Python 3.13.5 / fastapi 0.141.1 / uvicorn 0.53.0）
+> 访问地址：`http://<目标机>:8765`
+> 参考环境：Python 3.13.5 / fastapi 0.141.1 / uvicorn 0.53.0（2026-09-28 核对）
 
 ---
 
@@ -37,11 +37,11 @@ FastAPI 挂 `StaticFiles` 一起发出去。所以：
 | 代码目录 | `/opt/gpu-fan-console` | 工作目录，service 的 `WorkingDirectory` |
 | 虚拟环境 | `/opt/gpu-fan-console/.venv` | Python 3.13.5，已装 fastapi / uvicorn / PyYAML |
 | 数据库 | `/opt/gpu-fan-console/app/data/fan-console.db` | **SQLite 是权威数据源**，升级时绝不能被覆盖 |
-| 运行时配置 | `/opt/gpu-fan-console/app/config.yaml` | 只在**首次运行**当初始值用；之后改了不算数 |
+| 运行时配置 | `/opt/gpu-fan-console/app/config.yaml` | 只在**首次运行**当初始值用；之后改了不算数。仓库里的版本是**模板**（示例地址），升级时解压要排除它（见 4.1 步骤 4） |
 | 主服务 | `/etc/systemd/system/gpu-fan-console.service` | `enabled` + `active`，`Restart=always` |
 | 看门狗 | `/etc/systemd/system/fan-watchdog.{service,timer}` | `enabled`，每 2 分钟查一次心跳 |
 | 心跳文件 | `/run/gpu-fan-console/heartbeat` | 主进程每轮写；过期则由看门狗强推 `8×0x00` 回落 |
-| 依赖的 exporter | ipmi_exporter `:9290`、node_exporter `:9100`、DCGM `:9400` | 都在 pve02 本机，都在跑 |
+| 依赖的 exporter | ipmi_exporter `:9290`、node_exporter `:9100`、DCGM `:9400` | 自备组件，装法不限，见 2.1 |
 
 ### 2.1 前置依赖：三个 exporter（自备组件，装法不限）
 
@@ -72,12 +72,6 @@ curl -s localhost:9290/metrics | grep ipmi_fan_speed_rpm | head -1
 curl -s localhost:9100/metrics | grep Tctl | head -1
 ```
 
-> **pve02 当前实况**（仅本机维护参考，不是规定）：dcgm-exporter 跑 docker
-> （`nvcr.io/nvidia/k8s/dcgm-exporter:4.6.0-4.8.3-distroless`，`--restart unless-stopped`，
-> `--gpus all`）；ipmi_exporter v1.10.1 与 node_exporter 跑 systemd，二进制在
-> `/usr/local/bin/`，node_exporter 带 `--collector.hwmon --collector.cpufreq`，
-> ipmi_exporter 以 root 运行。
-
 ---
 
 ## 3. 首次部署（换机器 / 重装时才需要）
@@ -87,7 +81,7 @@ curl -s localhost:9100/metrics | grep Tctl | head -1
 #    它们是控制台的全部数据源，没有这一步控速无依据
 
 # ① 建目录、建 venv
-ssh pve02
+ssh <目标机>
 mkdir -p /opt/gpu-fan-console
 cd /opt/gpu-fan-console
 python3 -m venv .venv
@@ -125,14 +119,17 @@ tar czf /tmp/gfc.tgz \
     -C . app
 
 # 3) 传上去
-agentsshcli upload pve02 /tmp/gfc.tgz /root/gfc.tgz     # 这条路现在常挂，见「坑 ②」
+agentsshcli upload <连接名> /tmp/gfc.tgz /root/gfc.tgz     # 这条路现在常挂，见「坑 ②」
 
 # 4) 远端解压 + 清旧前端产物（⚠️ 见「坑 ③」）
-agentsshcli exec pve02 "tar xzf /root/gfc.tgz -C /opt/gpu-fan-console"
+# 4) 远端解压 + 清旧前端产物（⚠️ 见「坑 ③」）
+#    已配置过的机器升级时排除 config.yaml —— 仓库里的版本是模板（示例地址），
+#    别把现场配好的 prometheus_url 等覆盖回示例值。首次部署才需要带上它。
+agentsshcli exec <连接名> "tar xzf /root/gfc.tgz -C /opt/gpu-fan-console --exclude='app/config.yaml'"
 
 # 5) 重启 + 自检
-agentsshcli exec pve02 "systemctl restart gpu-fan-console && sleep 4 && systemctl is-active gpu-fan-console"
-curl -s http://192.168.6.7:8765/api/status | head -c 300
+agentsshcli exec <连接名> "systemctl restart gpu-fan-console && sleep 4 && systemctl is-active gpu-fan-console"
+curl -s http://192.0.2.10:8765/api/status | head -c 300
 ```
 
 `deploy.sh` 就是把上面这套串起来，并且**内置了下面三个坑的绕过方案**。
@@ -188,10 +185,10 @@ split -b 30000 all.b64 ch_          # ⚠️ 单次命令行上限 32767 字符
 i=0
 for f in ch_*; do
   [ $i -eq 0 ] && R='>' || R='>>'
-  agentsshcli exec pve02 "printf '%s' '$(cat $f)' $R /root/pkg.b64"
+  agentsshcli exec <连接名> "printf '%s' '$(cat $f)' $R /root/pkg.b64"
   i=$((i+1))
 done
-agentsshcli exec pve02 "base64 -d /root/pkg.b64 > /root/pkg.tgz"
+agentsshcli exec <连接名> "base64 -d /root/pkg.b64 > /root/pkg.tgz"
 ```
 > 只发前端时先 `gzip -9` 再 base64，体积能砍到 1/3，分片数从 25 降到 10。
 
@@ -214,9 +211,9 @@ find <dir> -type f ! -name '新文件1' ! -name '新文件2' -delete
 |---|---|---|
 | 服务活着 | `systemctl is-active gpu-fan-console` | `active` |
 | 看门狗在跑 | `systemctl list-timers fan-watchdog.timer` | 有下次触发时间 |
-| 页面 200 | `curl -s -o /dev/null -w '%{http_code}' http://192.168.6.7:8765/` | `200` |
-| 静态资源对得上 | `curl -s http://192.168.6.7:8765/ \| grep -o 'index-[A-Za-z0-9_-]*\.\(js\|css\)'` | 与本地 `ls app/static/assets` 一致 |
-| 曲线在控速 | `curl -s http://192.168.6.7:8765/api/status` | 受控位 `duty` 有值、`temperature` 与 GPU 温度对得上 |
+| 页面 200 | `curl -s -o /dev/null -w '%{http_code}' http://192.0.2.10:8765/` | `200` |
+| 静态资源对得上 | `curl -s http://192.0.2.10:8765/ \| grep -o 'index-[A-Za-z0-9_-]*\.\(js\|css\)'` | 与本地 `ls app/static/assets` 一致 |
+| 曲线在控速 | `curl -s http://192.0.2.10:8765/api/status` | 受控位 `duty` 有值、`temperature` 与 GPU 温度对得上 |
 | 数据没丢 | 打开设置页 | 模式 / 管控 GPU / 分配关系都是部署前的样子 |
 | 启动顺序对 | `journalctl -u gpu-fan-console -n 30` | 先「已应用数据库里的设置」再「已应用数据库里的分配」 |
 | 回落动作在 | 同上，搜「安全护栏已激活」 | 有这行才说明退出时会回退 auto |
@@ -232,17 +229,17 @@ git checkout <上一个好提交>
 ./deploy.sh
 
 # 数据回滚（SQLite 有备份时）
-agentsshcli exec pve02 "systemctl stop gpu-fan-console"
-agentsshcli exec pve02 "cp /root/fan-console.db.bak /opt/gpu-fan-console/app/data/fan-console.db"
-agentsshcli exec pve02 "systemctl start gpu-fan-console"
+agentsshcli exec <连接名> "systemctl stop gpu-fan-console"
+agentsshcli exec <连接名> "cp /root/fan-console.db.bak /opt/gpu-fan-console/app/data/fan-console.db"
+agentsshcli exec <连接名> "systemctl start gpu-fan-console"
 ```
 
 **最坏情况的保险**：不管服务死没死，都可以直接让 BMC 接管 ——
 
 ```bash
 # 远端执行（把 8 个字节全填 0x00 = 全交回 BMC 自动档）
 ipmitool raw 0x3a 0x01 0x00 0x00 0x00 0x00 0x00 0x00 0x00 0x00
-# 宿主都起不来时：从 BMC 独立地址 192.168.6.8 走，凭据 admin/admin
+# 宿主都起不来时：从 BMC 独立管理地址走（BMC 与宿主 OS 相互独立，凭据自行保管，切勿写进公开文档）
 ```
 
 ---

README.md

@@ -134,7 +134,7 @@ python -m unittest discover -s app/tests -t . -v
 1. **后端单测**：`python -m unittest`（Python 3.13，对齐线上）
 2. **前端构建**：`npm ci && npm run build`（自带 vue-tsc 全量类型检查）
 3. **部署包**：产出 `gpu-fan-console-app.tgz`（成员路径 `app/...`，排除 `app/data`），
-   挂在 workflow 的 Artifacts 里——下载后传到 pve02 解压重启即可，本机无需装 Node
+   挂在 workflow 的 Artifacts 里——下载后传到目标机解压重启即可，本机无需装 Node
 
 推送 main 时额外构建**双平台独立可执行文件**（PyInstaller）；打 `v*` tag 自动创建
 GitHub Release 并附上全部产物：
@@ -201,7 +201,7 @@ alert:                      # 邮件告警（可选，默认关闭）
   max_failed_attempts: 3
   email: { ... }            # SMTP 配置，支持多收件人、1 小时防轰炸
 prometheus:
-  base_url: "http://192.168.6.31:30091"
+  base_url: "http://192.0.2.20:30091"
 servers:
   - type: dell730
     ip: "192.168.71.90"

app/__init__.py

@@ -5,7 +5,7 @@
 2. **API 服务**：REST + WebSocket 给前端
 3. **静态托管**：直接伺服前端构建产物
 
-没有跨机通信、没有独立 agent —— 它只管 pve02 自己这台机器的风扇。
+没有跨机通信、没有独立 agent —— 它只管部署它的这台机器的风扇。
 """
 
 __version__ = "0.1.0"

app/config.py

@@ -56,11 +56,11 @@ class SourcesConfig(BaseModel):
     # 实时读数**不走**这里，因为 Prometheus 是 30s 快照（见 CLAUDE.md）。
     # 但历史曲线恰恰是 Prometheus 的主场，所以单独配一套。
     prometheus_url: str | None = None
-    #: GPU 温度在 Prometheus 里的 instance 标签，如 ``192.168.6.7:9400``
+    #: GPU 温度在 Prometheus 里的 instance 标签，如 ``192.0.2.10:9400``
     prometheus_gpu_instance: str | None = None
-    #: CPU 温度（node_exporter 的 hwmon / k10temp）的 instance 标签，如 ``192.168.6.7:9100``
+    #: CPU 温度（node_exporter 的 hwmon / k10temp）的 instance 标签，如 ``192.0.2.10:9100``
     prometheus_node_instance: str | None = None
-    #: 风扇转速的 instance 标签，如 ``192.168.6.7:9290``
+    #: 风扇转速的 instance 标签，如 ``192.0.2.10:9290``
     prometheus_fan_instance: str | None = None
 
 

app/config.yaml

@@ -29,21 +29,23 @@ sources:
   http_timeout: 5
 
   # 远程 BMC 兜底（宿主系统起不来时排障用）。默认走本地 in-band，不配这项。
+  # ⚠️ 换成你自己的 BMC 地址与凭据；凭据绝不要提交到公开仓库。
   # ipmi_remote:
-  #   host: "192.168.6.8"
-  #   user: "admin"
-  #   password: "admin"
+  #   host: "192.0.2.11"          # 示例地址（RFC 5737 文档段），按实际替换
+  #   user: "your-bmc-user"
+  #   password: "your-bmc-password"
 
   # --- 历史趋势（可选，只给 /api/history 用）---
   #
   # 实时读数**不走**这里：Prometheus 是 30s 一次 scrape，拿到的永远是快照，
   # 而上面两个 endpoint 是直连 exporter，读的才是当下值。
   # 但历史曲线恰恰是 Prometheus 的主场，所以单独配一套。
   # 不配的话界面上的趋势图会显示"暂无历史数据"，其余功能不受影响。
-  prometheus_url: "http://192.168.6.31:30091"
-  prometheus_gpu_instance: "192.168.6.7:9400"    # GPU 温度  ← DCGM exporter
-  prometheus_node_instance: "192.168.6.7:9100"   # CPU 温度  ← node_exporter
-  prometheus_fan_instance: "192.168.6.7:9290"    # 风扇转速  ← ipmi_exporter
+  # ⚠️ 下面的地址全部是示例（RFC 5737 文档段），按你的实际环境替换。
+  prometheus_url: "http://192.0.2.20:30091"      # 示例：你的 Prometheus 地址
+  prometheus_gpu_instance: "192.0.2.10:9400"     # GPU 温度  ← DCGM exporter
+  prometheus_node_instance: "192.0.2.10:9100"    # CPU 温度  ← node_exporter
+  prometheus_fan_instance: "192.0.2.10:9290"     # 风扇转速  ← ipmi_exporter
 
 curve:
   # 滞回带（°C）：降温方向必须跌出这个带宽才降档，防止温度在阈值附近

app/ipmi.py

@@ -23,8 +23,8 @@
     b1  CPU1_FAN1
     b2  --（保留）
     b3  REAR_FAN1
-    b4  REAR_FAN2   ← pve02 用于 Tesla T10 散热
-    b5  FRNT_FAN1   ← pve02 用于 Tesla T10 散热
+    b4  REAR_FAN2   ← 宿主机用于 Tesla T10 散热
+    b5  FRNT_FAN1   ← 宿主机用于 Tesla T10 散热
     b6  FRNT_FAN2   （未接风扇）
     b7  FRNT_FAN3   （未接风扇）
     b8  FRNT_FAN4   （未接风扇）
@@ -148,9 +148,9 @@ def encode_duty(duty: int | None) -> int:
 class IPMIClient:
     """ipmitool 封装。
 
-    默认走**本地 in-band**（``/dev/ipmi0``，需要 root），这是 pve02 上的推荐用法：
+    默认走**本地 in-band**（``/dev/ipmi0``，需要 root），这是推荐用法：
     链路最短、无网络依赖。也支持 ``lanplus`` 远程模式指向 BMC 独立地址
-    （``192.168.6.8``），用于宿主系统起不来时的带外兜底。
+    （``192.0.2.11``），用于宿主系统起不来时的带外兜底。
     """
 
     def __init__(

app/main.py

@@ -186,7 +186,7 @@ async def lifespan(app: FastAPI):
 
 app = FastAPI(
     title="GPU Fan Console",
-    description="pve02 GPU 温度联动风扇控制台（单机应用）",
+    description="GPU 温度联动风扇控制台（单机应用）",
     version=__version__,
     lifespan=lifespan,
 )

app/sensors.py

@@ -13,7 +13,7 @@
 - 所有网络/子进程调用**带超时**。上游项目的教训：一个不带超时的阻塞读
   能把整个控制线程静默挂死。
 
-关于 pve02 这块板子（ASRock Rack EPYCD8，BMC 固件 2.20）的实测要点：
+关于本机这块板子（ASRock Rack EPYCD8，BMC 固件 2.20）的实测要点：
 
 - ``ipmitool sdr type fan`` 输出**五列**：``名称 | 传感器ID | 状态 | 阈值 | 读数``。
   读数在**最后一列**。最初按「第二列是读数」写会把传感器 ID ``62h`` 当成 RPM。