CPU飙高才发现问题？用CES告警加SMN自动通知

服务器出问题最被动的时机，是用户先发现网站打不开、你后知后觉去查，才发现 ECS 的 CPU 早已跑满半小时。等你在监控面板上看到那条红色曲线，黄花菜都凉了——用户已经流失，口碑也受了影响。与其被动救火，不如让监控自己"喊你"。华为云云监控 CES 能持续采集 ECS、RDS 等资源的指标，配上一条告警规则：当 CPU 使用率连续超过阈值，就自动触发消息通知服务 SMN，把告警推到你的邮件或短信。整个过程不写一行业务代码，纯配置就能把"事后救火"变成"事前预警"，你在开会、睡觉都能第一时间收到消息。

一、告警规则串起监控与通知

一条 CES 告警规则由三部分组成：监控对象（哪个 ECS）、触发条件（什么指标、怎么比较、超多少）、动作（触发后干什么）。其中"动作"就是通知——CES 的告警通知依赖 SMN，规则里填一个 SMN 主题的 topic_urn，告警一触发就把消息发到该主题下所有订阅者。也就是说，CES 负责"看"，SMN 负责"喊"，两者一接就闭环。

二、先准备 SMN 主题和订阅

在发告警前，得先有一个能接收消息的 SMN 主题，并添加订阅（邮件/短信/HTTP 等），订阅者要点击确认才生效。主题创建后你会拿到它的 URN，形如 urn:smn:cn-north-4:账号ID:topic-alarm。这个 URN 就是后面告警规则里要填的接收地址。

三、用接口创建告警规则

CES 创建告警规则的接口是 POST /V1.0/{project_id}/alarms。下面创建一个"ECS 的 CPU 使用率连续 3 次采样超 85%"的告警，并绑定上面的 SMN 主题：

import os, requests

CES = "https://ces.cn-north-4.myhuaweicloud.com"
TOKEN = os.environ["HW_TOKEN"]
topic_urn = os.environ["SMN_TOPIC_URN"]   # urn:smn:...:topic-alarm

body = {
    "alarm_name": "ecs-cpu-high",
    "alarm_type": "MULTI_INSTANCE",
    "metric": {"namespace": "SYS.ECS",
               "dimensions": [{"name": "instance_id",
                               "value": os.environ["ECS_ID"]}]},
    "condition": {"period": 1, "filter": "average",
                  "comparison_operator": ">=", "value": 85,
                  "unit": "%", "count": 3, "alarm_level": 2},
    "alarm_action_enabled": True,
    "alarm_actions": [{"type": "notification",
                       "notificationList": [topic_urn]}],
}
resp = requests.post(
    f"{CES}/V1.0/{os.environ['HW_PROJECT_ID']}/alarms",
    json=body, headers={"X-Auth-Token": TOKEN, "Content-Type": "application/json"})
print("告警规则已创建:", resp.json().get("alarm_id"))

关键点：namespace 必须写对（ECS 是 SYS.ECS），维度 name 是 instance_id、value 填具体 ECS ID；condition 里 period 是采样周期（分钟），count 是连续几次达标才告警，避免抖动误报。

四、几个要注意的点

第一，namespace 和维度名写错会导致规则建了也不采集，建议对照官方"监控服务命名空间"文档填。第二，告警只在"生效时间"内发通知，默认全天，若设了时段别漏配。第三，SMN 处理有延迟时告警可能晚到几分钟，别指望秒级触达。第四，订阅者没点确认链接，永远收不到消息，这是最容易漏的一步。第五，告警通知依赖 SMN 服务，若主题被删或 URN 失效，规则会静默失效，建议定期核查。第六，除邮件短信外，还能接 FunctionGraph 做自动处置（如自动扩容），玩法不止通知一种。第七，告警不是越灵敏越好，阈值定太低、采样周期太短，正常业务抖动也会频繁触发，告警刷屏到让你麻木反而忽略真问题；建议结合历史曲线定一个"确实异常"的线，并用 count 连续几次才触发来滤掉毛刺。第八，CES 还支持"恢复通知"，勾选后指标回到正常也会发一条，方便你确认问题已解除、及时收尾。

五、小结

等资源挂了才发现，不如让 CES 在指标异常时自动喊你。流程是：先建 SMN 主题并添加已确认的订阅，再用 POST /V1.0/{project_id}/alarms 创建告警规则，监控对象填 ECS（namespace=SYS.ECS、维度 instance_id），condition 设 CPU 阈值与连续次数，alarm_actions 绑定 SMN 的 topic_urn，超阈值即推邮件/短信。注意 namespace 别写错、订阅要确认、生效时段与延迟。接口与字段以华为云 CES、SMN 官方文档为准。