主機與雲伺服器選型工具怎麼配:從告警到值班

監控工具的價值,不是畫好看的曲線,而是“出問題之前提醒、出問題之後能定位”。先配五類基礎監控,再設閾值和告警到人,最後補日誌和恢復演練。

資訊中心:主機與雲伺服器選型工具怎麼配:從告警到值班

五類基礎監控

類型 看什麼 常見閾值
可用性 HTTP 狀態、響應時間 連續 2 次失敗
資源 CPU、記憶體、負載 持續 5 分鍾超基線
磁碟 使用率、IO 80% / 90% 兩檔
證書 到期時間 30 天 / 7 天
備份 工作成功、檔案大小 失敗或明顯偏小

閾值要按自己的基線定,不要照抄別人。

告警渠道

  • 郵件:適合記錄,不適合緊急故障。
  • 簡訊/電話:適合嚴重故障。
  • 羣機器人:適合團隊協作。
  • 工單:適合跟蹤處理。

至少保證嚴重故障能叫醒人,不要只發到一個沒人看的信箱。

值班規則

  • 誰接告警。
  • 多久響應。
  • 什麼情況升級。
  • 誰有權限重新啟動、復原、切流量。
  • 故障後誰寫記錄。

沒有值班規則,監控只會製造焦慮。

日誌和追蹤

  • Web 訪問日誌保留時間。
  • 錯誤日誌按天切分。
  • 慢查詢日誌。
  • 關鍵操作稽核。
  • 請求 ID,方便從錯誤追到具體請求。

恢復演練

每季度至少做一次:

  • 從備份恢復資料庫。
  • 切一次 CDN 回源。
  • 復原一次程式碼。
  • 驗證證書續期。

沒演練過的恢復流程,不能算可用。

不要做的事

  • 不要只監控首頁。
  • 不要所有告警都發同一個渠道。
  • 不要沒有閾值和基線。
  • 不要監控了但沒人負責。
  • 不要用監控代替備份。

監控是發現問題的第一層,恢復能力才是底線。

相關閱讀: