主机与云服务器选型工具怎么配:从告警到值班

监控工具的价值,不是画好看的曲线,而是“出问题之前提醒、出问题之后能定位”。先配五类基础监控,再设阈值和告警到人,最后补日志和恢复演练。

资讯中心:主机与云服务器选型工具怎么配:从告警到值班

五类基础监控

类型 看什么 常见阈值
可用性 HTTP 状态、响应时间 连续 2 次失败
资源 CPU、内存、负载 持续 5 分钟超基线
磁盘 使用率、IO 80% / 90% 两档
证书 到期时间 30 天 / 7 天
备份 任务成功、文件大小 失败或明显偏小

阈值要按自己的基线定,不要照抄别人。

告警渠道

  • 邮件:适合记录,不适合紧急故障。
  • 短信/电话:适合严重故障。
  • 群机器人:适合团队协作。
  • 工单:适合跟踪处理。

至少保证严重故障能叫醒人,不要只发到一个没人看的邮箱。

值班规则

  • 谁接告警。
  • 多久响应。
  • 什么情况升级。
  • 谁有权限重启、回滚、切流量。
  • 故障后谁写记录。

没有值班规则,监控只会制造焦虑。

日志和追踪

  • Web 访问日志保留时间。
  • 错误日志按天切分。
  • 慢查询日志。
  • 关键操作审计。
  • 请求 ID,方便从错误追到具体请求。

恢复演练

每季度至少做一次:

  • 从备份恢复数据库。
  • 切一次 CDN 回源。
  • 回滚一次代码。
  • 验证证书续期。

没演练过的恢复流程,不能算可用。

不要做的事

  • 不要只监控首页。
  • 不要所有告警都发同一个渠道。
  • 不要没有阈值和基线。
  • 不要监控了但没人负责。
  • 不要用监控代替备份。

监控是发现问题的第一层,恢复能力才是底线。

相关阅读: