发布时间:2026-10-04 04:25 更新时间:2026-10-04 04:25 阅读量:4
不少企业站运维的监控面板上,常年只有两条曲线:CPU 使用率和内存使用率。这两条线确实重要,但它们描述的是服务器本身的状态,而不是网站的业务状态。现实里更常见的故障场景是:CPU 和内存都很平静,网站却已经打不开;或者证书在凌晨悄悄过期,早上访客看到浏览器拦截页;又或者日志和上传文件把磁盘写满,MySQL 直接拒绝写入。这些事故发生时,CPU 内存监控往往是绿的。
原因不难理解。CPU 和内存属于资源指标,反映的是「机器累不累」;而可用性、证书、磁盘属于业务与生命周期指标,反映的是「服务还能不能用」。两者不在一个维度上,所以只盯资源指标必然存在盲区。下面把三个必加告警项拆开讲,并给出可以直接落地的探测方式。如果你的站点还在起步阶段,监控可以先从轻量方案做起,配合 建站方案 一起规划会更清晰。
可用性告警的核心是「从外部视角探测」,而不是在服务器上自测 localhost。同一台机器上 curl 自己的站点,即使外网解析、防火墙、CDN 回源出了问题,本地请求照样返回 200,完全发现不了故障。正确做法是在另一台机器或第三方探针上,按域名发起完整请求,并检查状态码与响应内容。
最基础的探测可以用 curl 实现,判断 HTTP 状态码是否正常,同时可以顺带检查页面里某个关键字符串是否出现,避免「返回 200 但是错误页」这种假正常。
# 外部可用性探测:状态码 + 关键内容双重校验
url="https://www.example.com/"
key="公司名称" # 换成你首页必然出现的一小段文字
body=$(curl -sS -m 10 -A "uptime-check/1.0" "$url")
code=$(curl -sS -o /dev/null -w '%{http_code}' -m 10 "$url")
if [ "$code" != "200" ]; then
echo "ALERT: $url HTTP $code"
elif ! printf '%s' "$body" | grep -q "$key"; then
echo "ALERT: $url 内容缺失(可能是错误页或未完成部署)"
else
echo "OK: $url $code"
fi
把这段脚本挂到 crontab 里每分钟跑一次,失败时通过邮件、企业微信机器人或短信网关发出通知即可。要注意两点:一是探测频率不要过高,1 到 5 分钟一次对多数企业站足够,太密容易被误判为异常流量;二是通知要有去重和恢复通知,否则一次抖动会刷出几十条消息,最后没人看。
从投入角度看,可用性监控几乎是成本最低的一类:一台闲置的小机器,或者第三方探针的免费额度就能覆盖。它带来的价值却最直接——故障从「客户投诉后才知道」变成「几分钟内收到提醒」。想了解不同规模站点在监控与部署上的常见取舍,可以参考站内的 客户案例 中的部署思路。
证书问题之所以危险,是因为它平时完全正常,到期那一刻突然全站不可用,而浏览器给出的提示对访客来说等同于「这个网站不安全」。即使已经配置了 Let's Encrypt 自动续期,也建议保留独立的到期告警,因为续期失败的原因很多:验证路径被改、80 端口被占用、DNS 记录调整、renew 钩子没有 reload 服务等,自动任务静默失败时不会有任何提示。
# 证书剩余天数检查,低于 14 天报警
host="www.example.com"
end=$(echo | openssl s_client -servername "$host" -connect "$host:443" 2>/dev/null \
| openssl x509 -noout -enddate | cut -d= -f2)
days=$(( ( $(date -d "$end" +%s) - $(date +%s) ) / 86400 ))
if [ "$days" -lt 14 ]; then
echo "ALERT: $host 证书仅剩 $days 天,到期时间 $end"
else
echo "OK: $host 证书剩余 $days 天"
fi
这条命令不依赖本地证书文件路径,直接从线上握手结果读取,能同时验证「证书是否已正确加载到服务上」,比只看文件更贴近真实情况。建议把阈值设在 14 到 30 天之间,留出人工介入的余地。
磁盘余量则是另一类慢性风险。磁盘不是瞬间满的,通常是日志、上传附件、备份文件、数据库 binlog 慢慢堆积。等到写满时,MySQL 可能直接报错,Nginx 也可能无法写日志,站点表现为 500 或白屏。监控磁盘时,除了看使用率百分比,还要关注增长速率:一块 40G 的盘剩 20% 和剩 5% 的处理紧迫程度完全不同。
# 磁盘余量检查:低于 15% 告警,并打印占用最高的目录
THRESHOLD=15
df -P | awk -v t="$THRESHOLD" 'NR>1 && $5+0 >= (100-t) {print "ALERT: "$6" 已用 "$5" 剩余 "$4}'
辅助定位大目录(按需运行,避免高频扫描影响IO)
du -xh --max-depth=1 /var 2>/dev/null | sort -h | tail -n 5
需要注意的是,不同文件系统的告警阈值应区别对待:系统盘建议 15% 到 20% 就提醒,数据盘和备份盘可以适当放宽。另外 inode 用尽也会导致无法创建新文件,用 df -i 单独看一眼更稳妥。
不必一次把所有监控都做全,按下面顺序推进,通常一两周就能覆盖主要风险。每一步做完都确认「告警能真的发出来」,而不是配完就算完。
整个过程不需要额外购买昂贵工具,一台低配机器加几个脚本就能起步。真正要投入的是「把告警当回事」的流程:有人收、有人看、有人处理。CPU 和内存监控继续保留,但请把可用性、证书、磁盘这三类补上,它们覆盖的才是访客真正会感知到的故障。
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。
| 📑 | 📅 |
|---|---|
| 企业官网从虚拟主机搬到云服务器:兼容、数据与解析切换顺序 | 2026-10-04 |
| 云服务器安全组和系统防火墙都开了还要不要装防护软件:企业站三层访问控制的重叠与漏配自查 | 2026-10-04 |
| 企业站数据库和网站程序放同一台服务器还是分开:小团队三种部署形态对比 | 2026-10-04 |
| 企业官网服务器该不该开自动快照:误删与误改的恢复代价测算 | 2026-10-04 |
| 网站改版上线前的服务器压测:ab与wrk估算并发承载与瓶颈点 | 2026-10-03 |
| 企业站服务器配置清单写成文档:四项冗余余量与采购扩容备忘 | 2026-10-04 |
| 同价位云服务器与轻量应用服务器怎么选:CPU积分、流量包与固定带宽 | 2026-10-04 |
| 企业站服务器按PV分档:500、5000、5万PV的CPU内存起点估算 | 2026-10-04 |
| 服务器月账单逐项拆解:带宽、快照、镜像、公网IP各占多少 | 2026-10-04 |
| 企业站服务器上架后第一周该做的十项验收:从磁盘分区到备份可用性逐条打钩 | 2026-10-04 |