云服务器五项基础监控指标:告警阈值怎么设才不误报

    发布时间:2026-10-28 05:18 更新时间:2026-10-28 05:18 阅读量:0

    很多站长第一次给云服务器配置监控告警,往往会经历同一个过程:凭感觉把阈值填上,然后被手机短信和邮件轮番提醒,几天之后干脆把告警关掉。问题不在于监控工具不好用,而在于阈值不是拍脑袋定的数字,它取决于业务形态、采样周期和持续时间。CPU 短时冲高、内存被缓存占满、磁盘IO出现瞬时峰值,这些都可能是正常现象;反过来,长期 60% 的 CPU 使用率对一台单核小机器来说已经值得关注。这篇文章按五项基础指标逐个说明阈值设置思路,并给出可直接执行的命令,帮助你把告警从噪音变成真正可用的信号。

    一、五项指标各自代表什么,阈值怎么想

    先明确一个前提:单点采样值几乎没有判断价值,一定要结合持续时间和趋势。主流云厂商的监控都支持设置统计周期(如 1 分钟、5 分钟)和连续触发次数,这两项和阈值本身同等重要。下面逐个说明。

    CPU 使用率:关注的是持续高负载,而不是瞬时尖峰。建议按“5 分钟平均使用率连续 3 个周期超过 80%”触发告警,单核或双核的小型站点可以放宽到 85%,因为这类机器上编译、备份、日志轮转都可能短时打满。如果业务有明显的定时任务,要在任务时间段内单独评估,必要时把定时任务窗口从告警评估中排除,否则每天固定误报一次。

    内存使用率:Linux 会把空闲内存拿来做页缓存,所以“可用内存”比“已用内存”更能反映真实压力。判断时应看 available 的值,而不是 free 的值。阈值建议设为“可用内存低于总内存的 15% 且持续 10 分钟”,同时配合 swap 使用量一起看,swap 开始被大量使用通常说明内存已经吃紧。

    磁盘IO:这项指标最容易被忽略,也最容易误判。要区分 IOPS、吞吐量和等待时间三类数据。小文件多的站点看 IOPS 和 iowait,数据库类业务看平均等待时间。阈值上可以设“iowait 持续 10 分钟高于 15%”或“磁盘使用率达到 85%”两条,前者反映压力,后者反映容量风险,两者不能互相替代。

    带宽:云厂商带宽多为峰值计费或按固定带宽限速,因此要关注出方向带宽是否长期贴近上限。阈值建议设在“出方向带宽持续 10 分钟超过购买带宽的 70%”,留出余量应对突发。同时留意入方向是否异常增长,入方向突增有时是回源或抓取行为,需要结合访问日志判断。

    连接数:包括 TCP 连接总数和 Web 服务并发连接数。阈值没有通用值,要按业务历史峰值来定,一般设为“历史日均峰值的 1.5 倍并持续 5 分钟”。连接数暴涨往往先于 CPU 和带宽告警出现,是判断异常访问的早期信号。

    需要提醒的是,各云厂商监控控制台的指标命名、统计粒度和计费方式可能存在差异,具体以官方文档和实际环境为准。下面这组命令可以用来在服务器本机核对监控数据,避免控制台数值与系统实际状态对不上:

    # 查看CPU与iowait(每秒刷新,观察持续趋势)
    vmstat 1 10
    
    

    查看内存真实可用量与swap使用

    free -m

    按进程看内存占用前10名

    ps aux --sort=-%mem | head -n 11

    查看磁盘使用率与inode使用率

    df -h df -i

    查看当前TCP连接数与状态分布

    ss -s ss -ant | awk '{print $1}' | sort | uniq -c | sort -rn

    二、常见误报来源与排查思路

    告警误报大致来自四类原因,弄清来源比反复调数字更有效。

    第一类是采集周期与业务节奏不匹配。备份脚本、日志切割、定时爬虫在固定时间跑,如果告警只看单次采样,就会每天在固定时段误报。解决办法是给这类任务设置维护窗口,或者把触发条件改成连续多个周期。

    第二类是指标口径不一致。比如控制台显示的 CPU 使用率包含了 steal 时间,而本机 top 看到的是另一种分解方式;内存方面,把缓存算进已用内存会长期显示 90% 以上。核对口径时以本机命令为准,再回看控制台统计方式。

    第三类是阈值定得脱离基线。新业务上线前没有历史数据,凭经验填一个 70% 或 80%,结果业务本身就在这个水位运行。正确做法是先只监控不告警,观察一到两周形成基线,再按基线上下浮动设置。

    第四类是告警通道本身的问题。同一指标配置了多条规则、多个通知人,或者规则之间阈值重叠,一次波动会触发多条通知。建议每个指标只保留一条主告警规则,再配一条“恢复通知”,减少重复打扰。

    另外,连接数告警要特别注意区分正常业务增长和异常访问。可以结合 Web 服务的访问日志看请求来源分布,如果短时间内同一来源请求占比明显升高,再考虑在防火墙或 Web 服务层做限速与访问控制,这属于正常的安全加固范畴,具体规则以所用软件的官方文档为准。

    三、落地清单:从零把监控跑起来

    监控体系建设不需要一步到位,按下面的顺序推进,投入可控,也便于后续调整。对于正在规划新站或迁移服务器的读者,可以先参考 建站方案 明确业务规模,再决定监控粒度。

    1. 先开基础监控,不设告警。在云控制台开启CPU、内存、磁盘、带宽、连接数的默认监控,观察一到两周,记录每天的峰值和低谷时间点。
    2. 建立基线表。把五项指标的日均峰值、峰值出现时段、是否与定时任务重合记录下来,作为后续阈值的依据。
    3. 按“指标+周期+连续次数”三项一起配规则。例如CPU 5分钟均值超过80%连续3次触发;内存可用低于15%持续10分钟触发;磁盘使用率超过85%触发;出方向带宽超过购买值70%持续10分钟触发;连接数为历史峰值1.5倍持续5分钟触发。
    4. 配置分级通知。容量类指标(磁盘使用率)可以走邮件,性能类指标走短信或即时通知,避免所有告警都涌到同一个渠道。
    5. 每月复盘一次。统计当月误报条数,逐条对照基线表调整阈值,把长期不触发的规则也检查一遍,防止规则失效而不自知。
    6. 补充业务层监控。基础指标之外,至少再加一项站点可用性探测(如首页HTTP状态码与响应时间),两者结合才能区分“机器正常但服务不可用”的情况。

    如果服务器上跑的是 Nginx 或 MySQL 这类服务,还可以把服务自身的状态页接入监控。以 Nginx 的 stub_status 为例,在配置中开启状态页后,用 curl 即可读取当前连接数,与云监控的连接数指标互相印证:

    server {
        listen 127.0.0.1:8080;
        location /nginx_status {
            stub_status on;
            allow 127.0.0.1;
            deny all;
        }
    }
    # 重载配置后读取状态,关注Active connections与Reading/Writing
    nginx -t && nginx -s reload
    curl -s http://127.0.0.1:8080/nginx_status

    阈值设置没有放之四海皆准的数字,但有一套稳定的方法:先观察基线,再定规则,规则必须包含周期和连续次数,最后按月复盘。做到这三点,大多数误报都能在源头消除。监控的价值不在于告警数量,而在于每一条告警都值得你立刻打开看。想进一步了解不同建站规模下的服务器组合和运维投入,可以翻阅 客户案例 中的实际部署结构作参考。

    准备做网站,先从哪一步开始?

    如果你希望把上面的思路落到自己的行业与目标市场,可以先看 建站方案 了解一站式流程,再对照 客户案例 判断哪些做法适合自己的业务;也可以加微信 tsrz001 沟通需求,把页面结构、预算和排期先聊清楚再动手。

    继续阅读

    📑 📅
    网站误删或改坏后的恢复流程:快照回滚与数据库单独恢复步骤 2026-10-28
    服务器快照与备份的区别与配合:每日快照加每周异地备份策略 2026-10-28
    带宽升级前先做页面瘦身:图片压缩、WebP转换与gzip缓存配置 2026-10-28
    企业官网首屏加载慢怎么排查:DNS、TLS、TTFB与静态资源逐段定位 2026-10-28
    带宽和访问速度是什么关系?独享、峰值与流量计费讲清楚 2026-10-28
    网站打不开的十分钟排查法:四步定位与命令清单 2026-10-28
    企业建站服务器配置怎么定:从访问量、并发与数据库规模反推选型 2026-10-28
    云服务器与虚拟主机怎么选:三个维度做取舍 2026-10-28
    服务器带宽怎么估算:按页面体积与并发峰值算清所需带宽 2026-10-28
    独享带宽与共享带宽的区别:企业站何时升级独享线路 2026-10-28