【监控告警 01】VPS 监控与告警：CPU、流量、宕机怎么早发现

延伸阅读

更多相关攻略推荐：Ollama AI系列(2)：VPS上的AI推理与API应用、Ollama AI系列(2)：VPS上的AI推理与API应用、【CPU选型 01】搭载 AMD Ryzen 9950X 的 VPS、ARM / Ampere 席卷 VPS：性价比真香还是兼容陷阱？、Ollama AI系列(2)：VPS上的AI推理与API应用。

一、为什么要监控：被动救火 vs 主动预警

VPS 跑着跑着挂了，最糟的剧本是：用户群里炸了、老板电话来了，你才登上去看，发现 CPU 打满三天、磁盘早写满、证书半个月前就过期。这就是被动救火——你永远是最后一个知道出事的人。监控的目的不是"出了事再看"，而是在用户感知之前就收到提醒，把故障掐在苗头里。一句话区分：uptime 告诉你"通不通"，资源监控告诉你"为什么不通/快不通了"。两者叠起来才是完整的安全网。

很多人觉得小机器没必要上监控，其实恰恰相反——大厂有 SRE 团队兜底，个人和小团队全靠自己。一个 5 美元的监控机就能盯住十几台业务机，性价比极高。与其等宕机后手忙脚乱，不如花两小时把眼睛装上。下面给你一套从"能看"到"会叫"的最小可行方案。

再把话说透一点：监控省下的是真金白银。一次数据库盘写满导致站点停摆半天，按小站的转化算可能就是几百块广告和订阅收入打水漂，更别提 SEO 排名因为反复不可达被搜索引擎降权。而监控的边际成本几乎为零——一台独立小机器、几个开源容器，半年花销比一次故障损失还低。把监控当成"保险费"而不是"负担"，心态就对了。另外一个常被忽视的点：监控数据本身就是容量规划的依据，你看三个月的流量曲线，才知道该什么时候升级配置、该不该加带宽，而不是拍脑袋。

二、Uptime Kuma：自建外部探活，机器挂没挂一眼看清

Uptime Kuma 是目前最火的自托管探活工具，开源、界面友好，最新稳定版是 2.x 系列（近期已到 2.5.0），默认跑在 3001 端口。它从外部周期性访问你的服务，所以哪怕你的 VPS 内部已经崩了、SSH 都登不上，只要它还能被网络访问，Kuma 就能告诉你"网站打不开了"。支持的探测类型很全：HTTP(s)、TCP 端口、Ping、DNS 记录、WebSocket、Docker 容器，甚至关键字和 JSON 查询（比如检查返回的页面里有没有某个词）。还能一键生成公开状态页，给用户看"当前服务正常"省去一堆投诉。

最稳的部署是用 Docker，而且监控机千万不要和被监控机放一起——你自己的机器挂了，监控也跟着挂，那叫自己骗自己。在一台独立的小机器上跑：

docker run -d --restart=always -p 3001:3001 -v uptime-kuma:/app/data --name uptime-kuma louislam/uptime-kuma:2

跑起来后访问 http://监控机IP:3001，添加监控：选 HTTP 填你的域名，或选 TCP 填 IP:端口 探 SSH/数据库端口，间隔设 20 秒到 1 分钟都行。探活只解决"通不通"，要搞清"为什么慢"，得上资源监控。

顺手说几个实用细节。第一，Kuma 的状态页（Status Page）强烈建议开，把链接发给用户或挂在网站 footer，服务抖动时用户自己看一眼就知道"官方已知情在处理"，能挡掉一大半"是不是挂了"的工单。第二，监控本身也要被监控：给 Kuma 也配一个外部心跳（比如再借一台机器 ping 它的 3001 端口），防止监控沉默失效你却以为天下太平。第三，通知别只挂一个渠道，Telegram 收即时推送、邮件留书面记录，双保险。最后提醒，Kuma 的数据目录用卷挂载了，迁移机器时把这个卷一起带走，历史和配置不会丢。

三、node_exporter + Prometheus + Grafana：看清 CPU/内存/磁盘/流量

这套是资源监控的黄金组合，三个角色分工明确。node_exporter 装在每台被监控的 VPS 上，负责把系统指标（CPU、内存、磁盘、网络流量、负载）暴露出来，默认监听 9100 端口；Prometheus 像个监控录像机，定时去各个 exporter 拉数据存起来；Grafana 把冷冰冰的数字画成漂亮的曲线和仪表盘。Uptime Kuma 说"挂没挂"，这套说"为什么"。

在被监控机上装 node_exporter（Docker 方式最简单，避免和系统包冲突）：

docker run -d --restart=always --name node-exporter \
  -p 127.0.0.1:9100:9100 \
  prom/node-exporter:latest

注意我把它绑在 127.0.0.1，再用反向代理或 Prometheus 所在机器通过隧道访问，避免 9100 裸奔到公网被扫。然后 Prometheus 的 prometheus.yml 里加抓取目标：

scrape_configs:
  - job_name: 'vps_nodes'
    static_configs:
      - targets: ['1.2.3.4:9100', '5.6.7.8:9100']

抓取间隔设 15 到 30 秒足够。Grafana 接上 Prometheus 数据源后，导入社区现成的 Node Exporter 仪表盘模板（模板 ID 如 893 一类），CPU、内存、磁盘 I/O、网络流量曲线就全有了。看到磁盘快满、内存泄漏、流量异常飙高，你比用户早半天发现问题。

新手面对一堆图表容易懵，先盯四个最要命的指标就够了：磁盘使用率（写满直接服务崩，优先级最高）、内存可用量（持续走低往往是泄漏，不是业务增长）、CPU 负载（load average 长期高于核心数说明排队严重）、网络出入流量（出网突增常是被挖矿或遭攻击，入网突增可能是被刷）。这四个指标配好告警，就能拦住八成以上的突发故障。剩下的像磁盘 I/O 等待、TCP 重传率属于进阶项，等你有精力再细看。记住，监控不是图表越多越好，是"出事前能提醒你的那几个"够准够早。

四、日志与告警渠道：Telegram / 邮件 / Webhook

监控能看还不够，得"会叫"。Uptime Kuma 的通知渠道非常丰富，官方支持 Telegram、Discord、Slack、Pushover、邮件(SMTP)，外加 90 多种第三方通知服务，也包括 Webhook。实际用下来最顺手的是 Telegram：手机秒推、能回看历史、免费；邮件适合留档但慢；Webhook 最灵活，可以转发到你自己的飞书/钉钉/企业微信机器人，或触发自动化脚本。

在 Kuma 的"通知"里新建一个 Telegram，按提示找 @BotFather 建机器人拿到 token，再填你的 chat_id 即可。Prometheus 一侧的告警则由 Alertmanager 或 Grafana 内置告警负责，同样能推到 Telegram、邮件、Webhook。一个实用建议：把 uptime 告警和性能告警分到不同频道（比如 #宕机 和 #性能），半夜被叫醒时一眼知道是"挂了"还是"只是慢了"。

五、阈值怎么设：别让你的手机被告警轰炸

新手最容易犯的错是两个极端：要么阈值设太低，CPU 一抖就狂响，三天后你直接静音，真出事反而漏了；要么设太高，机器都冒烟了才提醒。靠谱的设法是分层 + 持续时长。比如 CPU：持续 5 分钟高于 85% 才告警（避免瞬时抖动误报）；内存：可用低于 10% 且持续 10 分钟；磁盘：用量超过 85% 就提醒，到 95% 升为紧急；流量：单日出网突增 3 倍以上，警惕被挖矿或被打。Grafana 告警规则示例（YAML 思路）：

alert: HighCpuUsage
expr: 100 - (avg by(instance)(rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100) > 85
for: 5m
labels:
  severity: warning
annotations:
  summary: "CPU 持续 5 分钟高于 85%"

关键在 for: 5m——必须持续满足条件才触发，过滤掉尖峰。告警文案写清楚"是什么、在哪台、持续多久"，收到就能直接动手，不用再猜。宁可少而准，不要多而吵。

六、开源方案对比与最小可行部署

市面上监控方案一大把，给你一张取舍表。商业 SaaS（Datadog、Pingdom）开箱即用但按主机/指标计费，三台机器一年能到几百美元；Uptime Kuma 专攻探活和状态页，轻量免费，但不看系统内部指标；Prometheus + Grafana 是资源监控的事实标准，强但组件多一点；Netdata 开箱最猛，秒级图表但长期存储弱；厂商自带面板（CloudCone、RackNerd、Vultr 后台都有基础图表）零成本但只看单机、无跨机聚合也无灵活告警。

给你一套最小可行部署（MVP）：在一台独立的 5 美元小机器上跑 Uptime Kuma（盯宕机和状态页）+ node_exporter/Prometheus/Grafana（盯资源），被监控机只装 node_exporter 并把 9100 限绑内网。初期甚至可以先只上 Uptime Kuma，半天搞定，先把"挂没挂"解决；有余力再加 Grafana 看趋势。记住一条铁律：监控机独立部署，不然被监控机和监控机一起没，等于没监控。成本？一台监控机钱，换来的是睡安稳觉。

给你一张可以直接照做的落地清单：① 开一台独立小机器，装 Docker；② 跑 Uptime Kuma 容器，用 Nginx/Caddy 反代到子域名并上 HTTPS（别让 3001 裸奔公网）；③ 给 Kuma 配 Telegram 通知，建机器人拿 token 和 chat_id；④ 在被监控机装 node_exporter，端口只绑内网或走隧道；⑤ 跑 Prometheus + Grafana，导入 Node Exporter 仪表盘模板；⑥ 按第五节的分层阈值加告警规则；⑦ 把 uptime 和性能告警分到不同频道；⑧ 每月故意停一台测试机，验证告警真的能响。做完这八步，你的 VPS 就从"瞎子"变成"装了报警器的人"。

💡 Read More: For deeper dives into infrastructure and architecture, visit our VPS Guide Hub for comprehensive strategies.