运维安全监控：别等服务器挂了才想起它

你是不是也有过这样的经历？大半夜睡得正香，手机突然炸了，全是报警短信。爬起来一看，网站打不开了，用户投诉刷屏了，老板电话也追过来了。你手忙脚乱连上服务器，面对一堆看不懂的报错日志，头都要大了。心里就一个念头：早干嘛去了？要是能早点知道哪里不对劲就好了。 没错，今天咱就聊聊这个能让你睡安稳觉的东西——运维安全监控。说白了，它就是给服务器和系统装上“眼睛”和“耳朵”，让它自己告诉你哪里不舒服，而不是等它彻底“躺平”了你才发现。下面，我就用大白话，把怎么搭一个简单又管用的监控系统，一步步拆开讲给你听。

一、先搞清楚，你到底要“盯”着啥？

别一上来就装一堆花里胡哨的工具。先想明白，对你来说，什么指标“挂了”会让你最难受？从最重要的开始。

1. 系统基础三件套：CPU、内存、磁盘

这就像人的心跳、血压和体温，是最基本的生命体征。

• CPU使用率：长期超过70%就得警惕了，看看是不是有程序在“发疯”。
• 内存使用率：快满了系统就会变卡，甚至崩溃。
• 磁盘空间：千万别等100%满了才处理，日志和临时文件涨得飞快，设个80%的报警线比较安全。

避坑提醒：光看使用率不够，还得看趋势。比如磁盘每天稳定涨1%，你就能预估出大概哪天会满，提前一周清理，从容不迫。

2. 业务关键指标：你的“钱袋子”和“门面”

这些指标直接关系到用户能不能用、生意能不能做。

• 网站/服务能不能访问：最简单也最重要。用个定时任务，每隔1分钟去访问一下你的首页或关键接口。
• 关键业务进程在不在：比如你的网站是靠Nginx和PHP跑起来的，那就得监控这两个进程是不是活着。
• 数据库连接数：连接数突然暴涨，可能意味着有慢查询或者被攻击了。

举个例子，你开了个网店。订单支付接口挂了1小时你才发现，那得损失多少单？这个接口，就是你必须死死盯住的业务指标。

二、手把手，搭一个能用的监控系统

理论说完了，来点实在的。我推荐一个经典组合：Prometheus + Grafana。别怕，它没听起来那么复杂。

1. 数据收集：让Prometheus去“听”

Prometheus就像个数据收集器，定期去各个目标“抓取”指标数据。

在你的服务器上安装Node Exporter（一个采集器）。用Docker跑最简单：

``` docker run -d \ --name=node_exporter \ -p 9100:9100 \ prom/node-exporter ```

配置Prometheus去抓取它。编辑Prometheus的配置文件 prometheus.yml：

``` scrape_configs: - job_name: 'my_server' static_configs: - targets: ['你的服务器IP:9100'] ```

这样，Prometheus就会每隔15秒（默认）去收集一次你服务器的CPU、内存那些数据了。

2. 展示和报警：让Grafana来“说”

光有数据不行，得变成人能看懂的图表。Grafana就是干这个的。

安装Grafana（同样推荐Docker）：

``` docker run -d \ --name=grafana \ -p 3000:3000 \ grafana/grafana ```

浏览器打开 http://你的服务器IP:3000，默认账号密码是admin/admin。进去后： 第一步，添加数据源，选Prometheus，填上地址（比如 http://localhost:9090）。 第二步，去官网仪表盘市场，搜一个叫 “Node Exporter Full” 的模板，导入。瞬间，你服务器的健康状态就像汽车仪表盘一样一目了然了。

避坑提醒：记得马上修改默认密码！把Grafana暴露在公网却不改密码，等于把家门钥匙插在锁上。

三、核心中的核心：设置有效的报警规则

图表是给人看的，但人不能24小时盯着。报警才是让你“高枕无忧”的关键。

1. 报警别当“狼来了”

最烦人的就是报警太多，最后你都麻木了，真出事了反而忽略。设定报警阈值要合理：

• CPU使用率持续5分钟 > 85% 再报警（偶尔飙升一下是正常的）。
• 磁盘使用率 > 85% 就报警（留出足够的处理时间）。
• 服务不可用连续2次检测失败再报警（避免网络抖动误报）。

2. 报警信息要“说人话”

收到报警短信“instance down”和收到“【紧急】官网首页无法访问，请立即检查！” 你的紧张程度完全不一样。在Grafana或Alertmanager里配置报警信息时，一定要包含：

• 发生了什么： 哪个服务器、什么指标出了问题。
• 严重程度： 是警告（Warning）还是紧急（Critical）。
• 当前值： CPU现在是95%。
• 建议操作： “请登录服务器查看进程top情况”。

3. 把报警“送对人”

不同的报警，通知不同的人。基础设施挂了（如网络、宿主机）@ 全体运维。某个具体应用内存泄漏，@ 负责这个应用的开发同学。在Grafana里可以配置不同的通知渠道（钉钉、企业微信、短信、邮件）和联系人。

好了，一套能让你安心睡觉的监控骨架就有了。总结起来就三步：想清楚监控什么 -> 用Prometheus+Grafana搭起来 -> 设置聪明有效的报警。 别再等了，就从今天开始，哪怕只先监控一台服务器的CPU和磁盘，先动起来。打开你的服务器，试试把Node Exporter跑起来，迈出第一步。你的睡眠质量，就靠它了。