在企业 IT 运维管理中，Zabbix 作为一款强大的开源监控平台被广泛应用。而 Zabbix 模板作为监控配置的重要组成部分，用来定义监控项、触发器、图形等。随着国际化的需求增加，Zabbix 模板的翻译工作变得日益重要，特别是在需要为不同语言环境下的运维团队提供支持时，手动翻译模板不仅繁琐，而且容易出错。
结合 Local LLM（本地大语言模型）与 Zabbix API，可以实现 Zabbix 模板的自动化翻译，提高效率的同时也保证了翻译的一致性。本文将介绍如何利用 Local LLM 与 Zabbix API，实现 Zabbix 模板翻译自动化的整体流程和技术细节。
传统的 Zabbix 模板翻译通常依赖人工操作，尤其是当模板数量庞大或需要频繁更新时，人工翻译耗时且难以保持一致性。为了解决这一问题，我们可以结合 Local LLM 模型和 Zabbix API，自动化处理模板的获取、解析和翻译。这一解决方案不仅节省了时间，还能够根据自定义需求进行灵活调整。
Zabbix API
Zabbix 提供了丰富的 API 接口，允许用户通过 JSON-RPC 协议访问 Zabbix 服务器，完成与前端操作类似的功能，例如：获取、创建、更新模板。
Local LLM
Local LLM 是基于本地计算资源运行的大型语言模型，能够提供自然语言理解和生成能力。在翻译应用中，Local LLM 可以对输入的文本进行智能翻译，同时支持用户定制的领域术语与特定的翻译风格，满足业务的个性化需求。
我们将通过以下几个步骤实现 Zabbix 模板翻译自动化：
1.使用 Zabbix API 获取模板信息：通过 Zabbix API 接口，获取需要翻译的 Zabbix 模板中的监控项、触发器等信息。
2.将模板数据传递给 Local LLM：利用 Local LLM 对获取到的文本内容进行翻译，确保翻译过程符合业务需求。
3.更新 Zabbix 模板：将翻译后的内容重新通过 Zabbix API 上传到服务器，更新模板，实现自动化翻译流程。
我们首先通过 Zabbix API 获取需要翻译的模板信息。假设 Zabbix 服务器的 API URL 为 http://192.168.3.35/z/api_jsonrpc.php，用户名为 admin，密码为 password。
下面是一个通过 Python 调用 Zabbix API 获取模板的代码示例：
# 连接到 Zabbix API
zabbix_url = "http://192.168.3.35/z/api_jsonrpc.php"
username = "admin"
password = "password"
zapi = ZabbixAPI(zabbix_url)
zapi.login(username, password)
# 获取所有模板
templates = zapi.template.get(output="extend")
此代码用于从 Zabbix 服务器获取模板信息。通过 template.get API，我们可以获取包括监控项、触发器等在内的模板详细数据。
假设我们有一个本地部署的 LLM 服务，地址为 http://127.0.0.1:11434/，使用模型 mistral:7b-instruct。我们将通过 API 将模板中的文本传递给 LLM，获得翻译后的内容。
# LLM API的URL llm_url = http://127.0.0.1:11434/api/generate # 准备翻译请求 def translate_text(text, short_version=False): prompt = f"你是一个专业的计算机相关语言翻译者，帮助我翻译语言为中文，除了翻译结果，不需要其他内容和解释。请注意， 当你接收到内容为空时，回复内容为空。请将以下文本翻译成中文：
\"{text}\""
if short_version:
prompt += " 重新翻译，去掉备注，不要输出翻译结果外的内容。"
payload = {
"model": "mistral:7b-instruct",
"prompt": prompt,
"max_tokens": 100,
"stream": False
}
response = requests.post(llm_url, json=payload)
try:
result = response.json()
if result.get('done'):
return result.get('response', '').strip()
else:
return "翻译未完成"
except requests.exceptions.JSONDecodeError as e:
print(f"JSON 解析失败: {e}")
return text
def check_and_translate(text, max_length=50):
translated_text = translate_text(text)
while len(translated_text) > max_length:
print(f"翻译内容过长 ({len(translated_text)} 字符)，重新生成简短版本...")
translated_text = translate_text(text, short_version=True)
return translated_text
此处的 translate_text 函数将传入的模板文本发送到本地 LLM 服务进行翻译，并返回翻译后的内容。
翻译完成后，我们将通过 Zabbix API 更新模板。如下代码展示了如何使用 template.update 接口将翻译后的模板信息更新到 Zabbix 服务器：
def update_template():
translated_name = check_and_translate(template_name, max_length=50)
translated_description = check_and_translate(template_description, max_length=3000)
try:
update_result = zapi.template.update(
templateid=template_id,
name=translated_name,
description=translated_description
)
print(f"模板的名称更新成功: {update_result}")
except Exception as e:
print(f"跳过模板的名称更新: {translated_name}，原因: {str(e)}")
def update_items():
items = zapi.item.get(templateids=template_id, output=['itemid', 'name', 'description'])
for item in items:
item_name = item['name']
item_description = item.get('description', 'No Description')
translated_item_name = check_and_translate(item_name, max_length=50)
translated_item_description = check_and_translate(item_description, max_length=3000)
try:
update_item_result = zapi.item.update(
itemid=item['itemid'],
name=translated_item_name,
description=translated_item_description
)
print(f"监控项更新成功: {update_item_result}")
except Exception as e:
print(f"跳过监控项更新: {translated_item_name}，原因: {str(e)}")
def update_triggers():
triggers = zapi.trigger.get(templateids=template_id, output=['triggerid', 'description', 'comments'])
for trigger in triggers:
trigger_description = trigger['description']
trigger_comments = trigger.get('comments', 'No Comments')
translated_trigger_description = check_and_translate(trigger_description, max_length=255)
translated_trigger_comments = translate_text(trigger_comments)
try:
update_trigger_result = zapi.trigger.update(
triggerid=trigger['triggerid'],
description=translated_trigger_description,
comments=translated_trigger_comments
)
print(f"触发器更新成功: {update_trigger_result}")
except Exception as e:
print(f"跳过触发器更新: {trigger_description}，原因: {str(e)}")
def update_discovery_rules():
discovery_rules = zapi.discoveryrule.get(templateids=template_id, output=['itemid', 'name', 'description'])
for rule in discovery_rules:
rule_name = rule['name']
rule_description = rule.get('description', 'No Description')
translated_rule_name = check_and_translate(rule_name, max_length=50)
translated_rule_description = check_and_translate(rule_description, max_length=3000)
try:
update_rule_result = zapi.discoveryrule.update(
itemid=rule['itemid'],
name=translated_rule_name,
description=translated_rule_description
)
print(f"自动发现规则更新成功: {update_rule_result}")
except Exception as e:
print(f"跳过自动发现规则更新: {translated_rule_name}，原因: {str(e)}")
通过结合 Zabbix API 与 Local LLM，我们实现了 Zabbix 模板的自动化翻译。这一解决方案通过自动获取模板、调用本地语言模型进行智能翻译，并最终更新 Zabbix 模板的全流程自动化，极大提升了翻译效率，减少了手动操作带来的错误风险。
这种方法不仅适用于 Zabbix 模板的翻译，还可以扩展至其他类似场景，例如配置文件的翻译、监控规则的国际化等。通过结合自动化和 AI 技术，企业可以更高效地应对全球化的运维需求。
完整脚本
