发布时间:2026-10-23 04:06 更新时间:2026-10-23 04:06 阅读量:0
企业站跑起来只是第一步,真正让人睡不好觉的是上线之后那些看不见的波动:白天访问高峰CPU突然冲顶、内存被某个进程慢慢吃光、日志和备份把磁盘塞满导致数据库写不进去。这类问题不会提前打招呼,等用户打不开页面时再去救火,损失的不只是流量,还有品牌信任。本文讲清楚如何用Prometheus配合Node Exporter搭一套轻量的监控与告警,让CPU、内存、磁盘的异常在变成故障之前被看到。
很多站长习惯用云厂商自带的基础监控,看个CPU曲线就够了。但企业站的特点是访问量不大、单次故障影响却不小,云监控往往只保留短周期数据,告警项也偏粗。Prometheus的好处是数据留在自己手里,指标可以按需扩展,告警规则能写得很具体,比如“磁盘使用率超过85%且持续10分钟”才通知,避免半夜被抖动吵醒。
从投入上看,一台1核2G的监控机或复用现有服务器(注意隔离资源)就能跑起来,Prometheus本身是单进程、时序数据库按需清理,Node Exporter更是只有几MB内存。对中小企业来说,这套组合的学习成本和长期成本都比较可控。需要提醒的是,监控机不要和被监控的业务共用同一块磁盘,否则磁盘写满时两边一起出问题。
如果你还在规划服务器选型和部署方式,可以先看看建站方案里的推荐架构,再决定监控组件放在哪里。
整体链路不复杂:每台被监控服务器上跑一个Node Exporter,暴露9100端口的指标;Prometheus定时拉取这些指标并存进本地时序库;Grafana负责出图,Alertmanager负责把告警发出去。下面以常见Linux发行版为例,具体路径和版本以官方文档与实际环境为准。
先在被监控的业务服务器上安装Node Exporter。可以直接下载官方二进制包,解压后以systemd服务方式运行,避免手动启动被误关。
# 下载并解压(版本号请以官方发布页为准)
wget https://github.com/prometheus/node_exporter/releases/download/v1.8.2/node_exporter-1.8.2.linux-amd64.tar.gz
tar -xzf node_exporter-1.8.2.linux-amd64.tar.gz
sudo mv node_exporter-1.8.2.linux-amd64/node_exporter /usr/local/bin/
创建运行用户并注册为系统服务
sudo useradd --no-create-home --shell /usr/sbin/nologin node_exporter
sudo tee /etc/systemd/system/node_exporter.service > /dev/null <<'EOF'
[Unit]
Description=Node Exporter
After=network.target
[Service]
User=node_exporter
ExecStart=/usr/local/bin/node_exporter
Restart=on-failure
[Install]
WantedBy=multi-user.target
EOF
sudo systemctl daemon-reload
sudo systemctl enable --now node_exporter
curl -s http://127.0.0.1:9100/metrics | head
接着在监控机上部署Prometheus。核心是prometheus.yml里的scrape_configs,把每台业务机的内网IP和9100端口列进去。建议给实例加上instance标签,后面告警信息里能直接看出是哪台机器。
# prometheus.yml 关键片段
scrape_configs:
- job_name: 'node'
scrape_interval: 15s
static_configs:
- targets: ['10.0.0.11:9100', '10.0.0.12:9100']
labels:
env: 'prod'
启动后访问Prometheus的9090端口,在查询框里输入node_cpu_seconds_total、node_memory_MemAvailable_bytes、node_filesystem_avail_bytes能出数据,就说明采集通了。CPU使用率可以用rate函数对空闲时间取反计算,内存看可用量占比,磁盘按挂载点分别算使用率。这几个表达式建议先在Prometheus界面里验证,再写进告警规则。
如果企业站前端有Nginx或后端有MySQL,可以再顺手加Nginx Exporter和mysqld_exporter,思路和Node Exporter一致,这里不展开。监控范围从小做到大,先保证主机层看得见。
指标采上来只是第一步,能主动通知到人才算闭环。Prometheus的告警规则写在一个独立的rules文件里,下面给出CPU、内存、磁盘三条常用规则示例,阈值请结合自己业务的基线调整,不要直接照搬。
groups:
- name: node-alerts
rules:
- alert: HighCpuUsage
expr: 100 - (avg by(instance) (rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100) > 80
for: 10m
labels:
severity: warning
annotations:
summary: "{{ $labels.instance }} CPU使用率超过80%"
- alert: LowMemory
expr: (1 - node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes) * 100 > 85
for: 10m
labels:
severity: warning
annotations:
summary: "{{ $labels.instance }} 内存使用率超过85%"
- alert: DiskWillFill
expr: (1 - node_filesystem_avail_bytes{fstype!="tmpfs"} / node_filesystem_size_bytes{fstype!="tmpfs"}) * 100 > 85
for: 15m
labels:
severity: critical
annotations:
summary: "{{ $labels.instance }} 磁盘使用率超过85%"
规则写好后在prometheus.yml里用rule_files指向该文件,并配置alerting指向Alertmanager。Alertmanager负责分组、抑制和静默,比如同一台机器同时触发CPU和内存告警时合并成一条,减少打扰。通知渠道可以用邮件或企业微信机器人,具体配置以对应官方文档为准。
落地时建议按下面的清单推进,避免一上来铺得太大:
想了解不同规模企业站在监控和部署上的组合方式,可以参考客户案例里的架构描述,再结合自己的预算做取舍。
监控的价值不在图表多漂亮,而在于把“事后救火”变成“事前看到”。用Prometheus加Node Exporter这套组合,先把CPU、内存、磁盘三条底线守住,告警规则随业务逐步细化,企业站的稳定运行就有了可量化、可追溯的抓手。
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。
| 📑 | 📅 |
|---|---|
| 误删数据库后怎么恢复:快照回滚与逻辑备份还原全流程 | 2026-10-23 |
| 服务器快照与备份不是一回事:企业站数据保护的正确组合与恢复演练步骤 | 2026-10-23 |
| 企业站上云还是托管物理机:三年总支出测算与选型清单 | 2026-10-23 |
| 云服务器与虚拟主机怎么选:从人力、扩展、成本做决策 | 2026-10-23 |
| BGP多线与单线机房取舍:企业站如何选线路并验证延迟 | 2026-10-23 |
| 企业建站选云服务器还是虚拟主机:三维度取舍 | 2026-10-24 |
| 2核4G够不够用:按访问量与页面体积算企业官网配置 | 2026-10-24 |
| 云服务器带宽怎么选:5M、10M、30M与按流量计费实测对比思路 | 2026-10-24 |
| 企业站访问速度对询盘转化的影响:首屏、带宽与图片压缩优化路径 | 2026-10-24 |
| 共享带宽与独享带宽:促销季流量突增时的线路选择 | 2026-10-24 |