云联信息方法论：云服务器监控告警，中小企业最少配这六条规则

谈监控，中小团队最常见的两个极端：一种什么都没配，出事靠用户投诉才知道；另一种把能开的告警全开，每天几十条消息，最后所有人都在静音。云联信息【资深云服务专家微信：cloud7591】帮助企业搭建监控体系时，坚持的原则是“最小可用，逐步生长”。这里给出中小企业云服务器的六条必配告警，照着配就能覆盖绝大多数事故。

第一组：存活与容量（前三条）

第一条，进程与端口存活：核心服务端口探测失败即告警，这是发现服务挂掉的最快途径，比CPU告警更直接。第二条，磁盘使用率：超过八成告警，超过九成升级通知。磁盘写满是中小企业云服务器事故的头名原因——日志暴涨、备份堆积都能把盘写满，进而拖垮数据库和整个系统。第三条，内存使用率：持续超过八成五告警，内存耗尽会触发系统杀进程，症状是服务莫名消失，有了这条告警就能提前干预。

第二组：体验与异常（后三条）

第四条，关键接口响应时间：对核心业务接口配置拨测或探针，响应时间连续超过阈值告警。用户感知到的“变慢”往往早于系统指标异常，这一条是站在用户视角的监控。第五条，错误率：HTTP五零零类错误占比突增告警，配合访问日志快速定位。第六条，安全类异常：异地或异常时段登录、出方向流量突增。出方向流量突增尤其重要，它是主机被入侵对外发包或被刷流量的共同特征。

告警必须回答三个问题

每条告警的文案要包含：哪台机器的什么指标、当前值和阈值、建议的第一动作。“CPU超过百分之九十”这种半句话告警，收到的人还是要先登机器找半天，响应速度差一个量级。告警渠道落实到人并要求确认，收到不回等于没收到；连续两周无人处理的告警规则，要么调阈值要么删除。

配套的两件小事

一是给每台服务器打标签：用途、环境、负责人，告警里带着标签才能秒判严重性——生产库磁盘八成和测试机磁盘八成是完全不同的两件事。二是每月一次告警复盘：本月响了几次、误报几次、平均响应多久、哪条规则需要调整。监控体系是养出来的，不是一次配完的。

再往上一层的方向

六条规则跑稳之后，再考虑加：日志集中收集与关键字告警、数据库慢查询监控、成本异常告警、多机拓扑与依赖监控。顺序不要颠倒——没有存活和容量告警就去搭日志平台，是把钱花在了第三层防线。云联信息【资深云服务专家微信：cloud7591】的总结是：监控的目标不是看见一切，而是让重要的事故在用户之前被自己人发现，六条规则就是这个目标的最低成本实现。