博客详情页
  • 下载
  • 开发
  • 文档
  • 学习
  • 支持
  • 社区
  • 动态
代码仓
代码仓
一条命令,量化你的部件管理能力 — openUBMC 部件兼容性评分工具实战指南

一条命令,量化你的部件管理能力 — openUBMC 部件兼容性评分工具实战指南

概要

你的服务器部件接入 BMC 后,管理能力到底处于什么水平?是“能识别就行”,还是“秒级监控 + 带外固件升级 + 故障预测”全都有?过去,这个问题没有标准答案。现在,openUBMC 社区提供了一套自动化评分工具,一条命令跑完测试,直接给出量化得分和等级。

一、背景:为什么需要部件兼容性评分?

服务器板卡部件种类繁多——网卡、GPU、NPU、NVMe 硬盘、RAID 卡……不同厂商的部件,与 BMC 的带外管理接口兼容性参差不齐。这带来了三个实际问题:

  • 适配成本高:每引入一款新部件,都需要大量接口适配与验证工作
  • 管理能力不一致:同类部件在不同厂商实现下,可监控、可诊断、可升级的能力差异显著
  • 生态碎片化:缺乏统一的量化标准,部件选型缺少客观依据

openUBMC 社区开发了这套部件兼容性评分工具,目标很明确:让部件管理能力可量化、可对比、可追溯。

二、评分体系:四层能力,一个公式

2.1 三层评价模型

整个评价体系采用三层模型,从微观到宏观逐级汇聚:

接口能力等级(L1~L4)→ 部件能力等级(L1~L4)→ 整机兼容性等级(L1~L3)

本工具聚焦的是第二层——部件能力等级,即单个部件(如一块网卡、一块 GPU)在 BMC 管理视角下的能力评定。

2.2 四级管理能力定义

等级名称核心能力特征
L1基础管理部件可被 BMC 识别,基础信息可读、基础状态可查
L2标准管理支持带外管理通道,具备主动健康检查、秒级监控、带外固件升级
L3高级管理芯片级监控、热插拔感知、SMART 健康评估、故障预测
L4卓越管理AI 辅助预测、寿命评估、自愈决策等智能化自治管理能力

2.3 评分公式

工具的评分逻辑非常直观:

每个用例:PASS = 100 分,FAIL / SKIP = 0 分

部件总分采用加权计算:

Cs = 0.6 × L1均分 + 0.2 × L2均分 + 0.1 × L3均分 + 0.1 × L4均分

加权系数体现“基础能力为主、高级能力为加分”的设计理念——L1 占 60% 确保基础管理功能必须扎实,L2~L4 逐级加分,激励厂商提升高级管理能力。

等级映射:

总分区间等级含义
[0, 60)Level1基本管理
[60, 80)Level2标准管理
[80, 90)Level3高级管理
90, 100Level4卓越管理

评分计算流程:从测试结果到等级判定
评分计算流程:从测试结果到等级判定

三、系统架构:四个脚本,一条流水线

整套工具由 4 个脚本组成,各司其职,形成一条完整的自动化流水线:

openUBMC 部件兼容性评分工具系统架构总览
openUBMC 部件兼容性评分工具系统架构总览

3.1 脚本角色一览

脚本角色何时使用
run_component_score.py主脚本:运行用例 → 解析结果 → 计算得分 → 生成报告执行认证时
check_missing_level.py自检工具:扫描用例是否标注了等级标签运行评分前
check_fingerprint.py校验工具:验证 PDF 报告未被篡改交付后验收时
component_score_common.py公共模块:被其他脚本共享的常量和函数自动调用

3.2 脚本协作关系

component_score_config.yaml ──────────────┐
                                          ↓
check_missing_level.py(独立,运行前自检)

run_component_score.py(主脚本)
    ├── 导入 component_score_common.py
    ├── 读取 config.yaml(BMC/OS 连接信息)
    ├── 运行 Robot 用例 → results/<型号>/output.xml
    ├── 解析 output.xml → 计算得分
    └── 生成报告 → reports/<型号>/*.md + *.pdf(含指纹)

check_fingerprint.py(独立,交付后校验)
    ├── 导入 component_score_common.py(同一算法)
    └── 重新计算指纹 → 与 PDF 页脚指纹比对

关键设计:

component_score_common.py
是
run_component_score.py
和
check_fingerprint.py
的公共基础,确保评分时和校验时使用完全相同的指纹算法,闭环自然成立。

四、5 分钟上手:从零到报告

4.1 环境准备

第一步:安装依赖

cd Test_Code/component_score
pip install -r requirements.txt

依赖项包括 pyyaml、robotframework、fpdf2 等,一行命令搞定。

第二步:配置连接信息

编辑 component_score_config.yaml,只需修改 BMC 和 OS 的 IP / 用户名 / 密码:

BMC:
  IP: <BMC管理IP>              # 请修改为实际 BMC 管理 IP
  Username: <BMC用户名>         # 请修改为实际 BMC 用户名
  Password: <BMC密码>           # 请修改为实际 BMC 密码
  HTTPS: 443
  SSH: 22
  IPMI: 623

OS:
  IP: <OS_IP>                   # 请修改为实际 OS IP
  Username: <OS用户名>           # 请修改为实际 OS 用户名
  Password: <OS密码>             # 请修改为实际 OS 密码
  SSH_PORT: 22

只需改 IP 和账号密码,其余路径配置保持默认即可。

4.2 运行前自检

在正式跑评分之前,先检查用例是否都标注了等级标签:

python check_missing_level.py

脚本会扫描所有 .robot 文件,找出缺少 level_L1 ~ level_L4 标签的用例:

扫描目录: Test_Code/component_drivers/test_cases
    - [TC_001](file:///xxx.robot#15) 行15 缺用例等级标签level_Lx
    - [TC_002](file:///xxx.robot#28) 行28 缺用例等级标签level_Lx

本目录缺等级标签用例数: 2
[提示] 请查阅对应接口规范文档补充 level_Lx 等级标签

4.3 执行评分

查看支持的型号:

python run_component_score.py run

查看指定型号的可选项:

python run_component_score.py run --mode SP681

运行南向测试(BMC 侧 D-Bus 接口):

python run_component_score.py run --mode SP681 \
    --base Base \
    --test_cases Test_Code/component_drivers/test_cases/integration_test_cases/hardware/Network_Card \
    --direction south

运行北向测试(管理侧接口:CLI / Redfish / SNMP / Web):

python run_component_score.py run --mode SP681 \
    --base Base_OCP \
    --test_cases Test_Code/integration_test/test_cases/Network_Card \
    --direction north

南向 + 北向合并运行(一条命令,一份合并报告):

python run_component_score.py run --mode SP681 \
    --base Base \
    --test_cases Test_Code/component_drivers/test_cases/integration_test_cases/hardware/Network_Card \
    --direction south \
    --base Base_OCP \
    --test_cases Test_Code/integration_test/test_cases/Network_Card \
    --direction north

合并运行时,--mode 只写一次,--base / --test_cases / --direction 按位置配对,最多一个 south + 一个 north。

4.4 查看报告

运行完成后,在

reports/<型号>/
下自动生成报告:

运行方式报告文件
单方向
部件兼容性评分报告-<型号>-<方向>.md / .pdf
南+北合并
部件兼容性评分报告-<型号>.md / .pdf

报告内容包括:评分结论、各等级得分明细、状态分布、逐条用例评分详情、评分公式说明,以及——防篡改指纹。

五、防篡改机制:PDF 页脚里的“数字签名”

测评报告的公信力是整个认证体系的生命线。为此,工具在每份 PDF 报告的页脚嵌入了两个值:

  • commit 号:生成报告时的 git commit(12 位)
  • fingerprint:目录级哈希指纹(12 位)

PDF 防篡改校验:指纹闭环验证机制
PDF 防篡改校验:指纹闭环验证机制

5.1 指纹算法:目录级哈希

指纹覆盖以下 7 类目录/文件(全部从 component_score_config.yaml 读取):

类别目录
南向 test_listscomponent_drivers/test_lists
南向 test_casescomponent_drivers/test_cases/hardware
北向 test_listsintegration_test/test_lists
北向 test_casesintegration_test/test_cases
test_config × 2component_drivers/test_config + integration_test/test_config
评分脚本run_component_score.py

算法步骤:

  1. 递归收集上述所有目录/文件的 MD5 值
  2. 所有 MD5 值升序排序后拼接为一个字符串
  3. 对该字符串求 MD5,取前 12 位作为指纹

核心代码(

component_score_common.py
):

def compute_dir_fingerprint(config):
    """目录级指纹算法 —— 生成方与检查方共用同一函数。"""
    # 从 config 读取参与目录
    dir_paths = []
    for dir_key in ("South", "North"):
        for key in ("TestLists", "TestCases"):
            rel = config.get(dir_key, {}).get(key)
            if rel:
                dir_paths.append(WORKSPACE_DIR / rel)
    # ... 加入 test_config、评分脚本 ...

    # 收集所有文件 MD5
    all_md5 = []
    for dp in dir_paths:
        md5s, _ = _collect_dir_md5s(dp)
        all_md5.extend(md5s)

    # 升序排序 → 拼接 → 二次 MD5 → 取前 12 位
    all_md5.sort()
    combined = "".join(all_md5)
    return hashlib.md5(combined.encode("utf-8")).hexdigest()[:12]

5.2 校验命令

检查人员只需一条命令即可验证报告未被篡改:

python check_fingerprint.py --commit <PDF页脚commit号> --fingerprint <PDF页脚指纹>
  • 指纹一致 → PASS 指纹一致!评测时测试相关文件未被篡改。
  • 指纹不一致 → FAIL 指纹不一致!评测时测试相关文件可能被篡改。

设计亮点:生成方(run_component_score.py)与检查方(check_fingerprint.py)调用同一个 compute_dir_fingerprint() 函数,不依赖 output.xml,检查人员无需任何运行产物即可校验,闭环自然成立。

5.3 跑测试前的自检提醒

指纹覆盖的目录/文件在跑测试期间请勿做任何修改。跑用例前建议先执行:

cd <项目根目录>
git status

确认上述参与指纹计算的目录和脚本均未被修改。若有改动,请先提交或还原后再跑用例,否则 PDF 页脚指纹会与检查方计算的不一致。

六、支持的部件类型

工具覆盖 4 大类板卡部件,每类部件的测试用例按 L1~L4 分级:

部件类型典型设备测试方向关键管理接口
网卡(NIC)Intel E810、Mellanox ConnectX-5/6南向 + 北向bmc.dev.NetworkAdapter、NetworkPort
硬盘(Disk)NVMe SSD、SATA/SAS南向 + 北向bmc.dev.NVMe、Storage.Drive
RAID 卡Broadcom MegaRAID 系列南向 + 北向bmc.dev.Storage.Controller、Volume
xPUNVIDIA GPU、华为昇腾 NPU南向 + 北向bmc.dev.GPU、NPU、DPUCard

以网卡为例,各等级的测试覆盖:

测试项L1L2L3L4
设备识别(VID/DID/固件版本)✓✓✓✓
链路状态查询✓✓✓✓
端口速率枚举与流量统计(秒级)✓✓✓
主动健康检查与错误统计✓✓✓
带外固件升级✓✓✓
热插拔识别与诊断✓✓
光模块故障预测与诊断✓✓
光模块寿命 AI 评估✓

七、完整认证流程

部件测评认证流程:从申请到交付
部件测评认证流程:从申请到交付

在 openUBMC 社区中,部件测评认证的完整流程如下:

第一步:RM SIG 评审(需求接纳)

企业在社区 RM SIG 提交部件管理功能支持需求,明确部件类别、型号、目标等级与交付计划。评审通过后进入开发阶段。

第二步:部件驱动开发

依据南向接口规范,实现部件的

bmc.dev.*
接口与北向呈现能力。

第三步:基于测评工具测试,输出测试报告

使用本工具执行南向 + 北向测试,自动计算得分与等级,生成标准化测评报告。

第四步:QA SIG 评审

在社区 QA SIG 评审测评报告,确认得分与等级判定结论。

第五步:提交 PR 合入

评审通过后,将驱动代码和测评报告分别以 PR 形式提交至 component_drivers 和 QA 代码仓归档。

八、实际效果示例

以下是几个典型部件的测评结果示例:

部件型号类型方向Ls1Ls2Ls3Ls4总分等级
SP681网卡south10095804087L3
NVIDIA Tesla T4GPUsouth1009060084L3
PM9D3ANVMesouth100100905092L4

通过测评报告,厂商可以清晰看到:

  • 哪些 L1 基础能力已达标
  • 哪些 L2/L3 能力还有提升空间
  • 具体哪些用例失败,对应的改进方向是什么

九、常见问题速查

问题解决方案
型号找不到python run_component_score.py run 查看所有支持型号
网络连接失败检查 config.yaml 中 BMC/OS 的 IP、用户名、密码、端口
用例等级缺失python check_missing_level.py 扫描并补充等级标签
PDF 生成失败确认系统有中文字体(Windows 需有 msyh.ttc)
指纹校验不一致检查参与指纹计算的目录是否在测试期间被修改

十、写在最后:共建 openUBMC 部件生态

这套评分工具不只是一个测试脚本——它是 openUBMC 社区构建部件管理生态的基础设施。通过统一的量化标准和自动化工具,我们希望:

  • 降低厂商参与门槛:标准化报告 + 自动化评分,厂商无需手动编写测试文档
  • 建立公开的测评结果清单:为企业部件选型提供客观参考
  • 推动接口规范化:以评促进,激励厂商提升部件管理能力

我们邀请更多硬件厂商和开发者加入 openUBMC 社区,一起推动服务器部件管理接口的标准化。无论你是部件厂商、BMC 开发者还是运维工程师,都欢迎:

  • 在社区提交部件驱动代码
  • 使用评分工具完成部件认证
  • 参与社区接口规范的讨论与完善

社区官网:https://www.openubmc.cn

评分工具代码仓:

https://gitcode.com/openUBMC/QA/tree/main/Test_Code/component_score

【版权声明】Copyright © 2026 openUBMC Community。本文由openUBMC社区首发,欢迎遵照CC-BY-SA 4.0协议规定转载。转载时敬请在正文注明并保留原文链接和作者信息。

【免责声明】本文仅代表作者本人观点,与本网站无关。本网站对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。本文仅供读者参考,由此产生的所有法律责任均由读者本人承担。

关于作者

  • 黄镇玲

    昆仑太科 BMC 工程师,深耕 BMC 开发近十年,具备丰富的 BMC 固件开发项目实践经验。