发布时间:2026-11-16 04:06 更新时间:2026-11-16 04:06 阅读量:0
很多站长第一次遇到“网站打不开”,第一反应是重启服务器,重启后好了,过几天又犯。问题在于重启只是把症状压下去,没有留下任何线索。服务器监控的价值,不是画一堆好看的曲线,而是让故障发生时你能在几分钟内回答三个问题:哪台机器、哪个资源先出问题、影响到了哪些访客。本文围绕 CPU、内存、磁盘 IO、带宽、网站可用性这五项基础指标,讲清每项该看什么、怎么配、告警阈值怎么定,适合自建站群的站长和刚接手运维工作的读者。
需要先说明一个前提:监控本身要占用资源,轻量云主机上装重型监控套件反而会拖慢业务。对大多数企业官网、展示站和中小型应用来说,用系统自带命令做临时排查,加一套轻量采集代理(如 node_exporter 配 Prometheus,或用云厂商自带的监控面板)做长期记录,已经够用。具体选型以实际环境与官方文档为准。如果你还在规划服务器架构,可以先看看建站方案里的资源规划思路,再回来定监控项。
CPU 指标里最有参考价值的不是瞬时使用率,而是一段时间的平均负载和 iowait 占比。负载高但 iowait 也高,往往说明瓶颈在磁盘而不是 CPU;负载高且用户态占用高,才是真的算力不够。内存则要看可用内存(available)而不是 free,因为 Linux 会把空闲内存拿去做缓存,free 数值低是正常现象。真正危险的是 available 持续走低并开始使用 swap,此时网站响应会明显变慢甚至进程被系统杀掉。
登录服务器后,用下面几条命令可以快速判断当前状态,不需要额外装软件:
# 查看 1/5/15 分钟平均负载与 CPU 核数对比
uptime
nproc
查看内存与 swap 使用情况(关注 available 列)
free -h
按内存占用排序,找出吃内存最多的进程
ps aux --sort=-%mem | head -n 10
查看 CPU 各状态占比,观察 %iowait 是否偏高
top -b -n 1 | head -n 5
阈值上不建议照搬网上的固定数字。经验做法是:负载持续超过核数的 1.5 倍、available 低于总内存的 10%、swap 使用量持续增长,这三条中任意一条连续出现十分钟以上,就值得告警。告警要发到能及时看到的地方,邮件容易被忽略,短信或即时通讯工具的机器人更实际。
磁盘空间满是最容易发现的问题,但磁盘 IO 打满往往更隐蔽:日志写入、数据库刷盘、备份任务同时跑,会让磁盘队列变长,表现为网站“能连上但很慢”。排查时重点看 iostat 里的 await(平均等待时间)和 %util(设备繁忙度),以及是否有异常大的写入进程。带宽方面,要区分入方向和出方向,网站对外主要消耗出方向带宽;如果出方向长期贴着带宽上限跑,页面加载会排队,这时要么优化静态资源体积,要么按峰值调整带宽规格,而不是等到被打满才处理。
# 查看磁盘空间与 inode 使用率(inode 满同样会导致无法写入新文件)
df -h
df -i
查看磁盘 IO 等待与繁忙度(sysstat 包提供,需先安装)
iostat -x 1 3
按写入量排序,定位大量写盘的进程
pidstat -d 1 3
实时查看网卡出方向流量(网卡名以实际为准,如 eth0、ens33)
sar -n DEV 1 3
带宽告警建议按“出方向峰值持续接近规格上限的 80%”设置,同时单独监控流量月度累计,避免月底因超量产生额外费用。磁盘则要同时配容量告警和 IO 等待告警,两者触发原因不同,处理方式也不同。
前四项指标都正常,网站照样可能打不开——域名解析异常、证书过期、Nginx 配置改错、后端程序报 502,这些都发生在应用层。所以可用性监控必须从外部发起:定时请求首页和关键页面,检查状态码、响应时间和页面关键内容是否存在,而不只是 ping 通主机。监控节点建议至少两个不同地域,避免单点网络抖动造成误报。
如果不想引入第三方服务,用一条定时任务配合 curl 就能做基础探活:
# 检查首页状态码与总耗时,-o /dev/null 丢弃页面内容
curl -o /dev/null -s -w "code=%{http_code} time=%{time_total}s\n" https://www.example.com/
写入 crontab,每 5 分钟记录一次,便于事后比对
*/5 * * * * curl -o /dev/null -s -w "%{time_total}\n" https://www.example.com/ >> /var/log/uptime.log
可用性告警要设两级:连续两次请求失败或响应时间超过平时均值数倍时先提醒,连续多次失败再升级通知。SSL 证书到期时间也应纳入监控,提前 15 到 30 天提醒续期,比到期当天手忙脚乱要稳妥得多。若你的站点包含表单、下单等关键路径,建议把提交页也加入探测列表,具体探测方式以所用监控工具官方文档为准。
监控不是装完工具就结束,而是一个需要明确责任人和处理流程的小项目。对中小企业来说,投入主要在时间上:一台轻量服务器加一套开源采集方案,通常一两天能跑通;也可以直接用云厂商控制台自带的监控与告警功能,省去维护成本。选型时注意三点:数据保留周期是否够回溯一周以上的问题、告警渠道是否支持即时通讯工具、是否需要额外付费。可参考客户案例中不同规模站点的运维做法,再结合自身情况取舍。
按下面的顺序推进,一周内可以完成第一版:
五项基础指标覆盖了绝大多数常见故障的起点:CPU 和内存反映算力与进程健康,磁盘 IO 和带宽反映吞吐瓶颈,可用性则守住访客能感知的最后一道门。先把这五项看住、告警发对人,再考虑更细的应用层追踪,投入产出比更高。
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。
| 📑 | 📅 |
|---|---|
| 企业站备份策略落地:频率、保留份数与恢复演练 | 2026-11-16 |
| 服务器快照与备份不是一回事:三种数据保护手段怎么选 | 2026-11-16 |
| 云服务器地域与可用区怎么选:机房位置对南方北方访客速度的影响 | 2026-11-16 |
| BGP多线与单线机房怎么选:按访客地域分布定线路 | 2026-11-16 |
| 独享带宽和共享带宽怎么选:企业官网、展示站与下单页的线路取舍 | 2026-11-16 |
| 网站突然打不开的排查顺序:从 DNS 到磁盘写满逐层定位 | 2026-11-16 |
| 企业建站服务器怎么选:按访问量与数据库体量反推配置 | 2026-11-17 |
| 云服务器与虚拟主机怎么选:四个维度对比与判断清单 | 2026-11-17 |
| 带宽买多少才够用:按页面体积与并发估算 | 2026-11-17 |
| 按量计费还是包年包月:流量波动下的服务器计费测算思路 | 2026-11-17 |