第一次给云服务器装上监控告警

我的第一个小项目跑在云服务器上，平时没人看着。万一它半夜挂了，我要到第二天早上打开电脑才知道；万一磁盘被日志塞满，或者某个程序偷偷把 CPU 吃光，我连它是什么时候出问题的都说不清。以前在自己电脑上写代码，程序崩了立刻就能看见；到了云上，服务器在远方机房里安安静静地跑着，反而让人不放心。

于是我决定给它请一位“值夜班的保安”：云监控。

说起来，云监控并没有我想象中那么复杂。它做的事其实很像体检：定期给服务器量一量“体温”和“血压”。CPU 使用率就是它忙不忙，内存占用就是它脑子够不够用，磁盘使用率就是柜子还剩多少空间，带宽就是门口的路堵不堵。这些数字平时藏在控制台里，你不去看，它就静静地躺在那里；可一旦你把它们接上告警，它们就变成了一双眼睛。

我在华为云上用的是云监控服务 CES，名字听着很正式，用起来却比我想象的友好。第一步是确认我的云服务器已经在监控范围内，这一步基本不用我操心，开通服务、选好资源之后，基础指标就开始采集了。第二步是看曲线：我第一次点开监控图表的时候，居然有点上瘾，CPU 那条线平时贴着底部走，偶尔在我部署代码的时候跳一下；磁盘那条线则像一条缓慢爬升的斜坡，一天涨一点，不仔细看根本注意不到。

真正让我安心的是第三步：设告警规则。这一步说白了就是告诉系统，什么情况算“出事了”。比如 CPU 连续五分钟超过百分之八十，就发一条提醒；磁盘使用率超过百分之八十，也发一条；服务器连续几分钟没有心跳，那就更要立刻提醒。我把提醒绑到了自己的手机和邮箱上，规则建好的那一刻，心里忽然踏实了不少：以后不用我天天去刷新页面了，出事它会先来找我。

当然，第一次告警来得比我想象的快。某天晚上，我正准备睡觉，手机震了一下：磁盘使用率超过了百分之八十。我当时心里一紧，还以为网站出大事了，结果登录上去一看，网站好好的，只是日志文件越攒越多，把磁盘一点点吃掉了。我删掉旧日志，顺手给日志加了个定期清理，磁盘曲线立刻掉了下来。那一刻我才明白，告警最大的价值不是吓你一跳，而是把“迟早要出的问题”提前推到你面前，让你在它变成事故之前就处理掉。

后来我又被“误报”教育了一次。刚开始我把阈值设得太敏感，CPU 稍微一抖就发提醒，部署一次代码能收到好几条，时间长了我就开始麻木，差点把一条真提醒也当成骚扰滑过去。于是我把规则改得更合理：单次抖动不算数，要连续几分钟超标才报警；部署时段的波动我也心里有数，不再大惊小怪。好的告警应该是这样的：平时安安静静，一响起来你就知道该认真对待。

还有一件让我意外的小收获：看了一个星期的监控曲线之后，我居然摸清了自己小项目的“作息”。晚上是访问的小高峰，带宽曲线会微微抬头；凌晨之后又恢复平静，只剩下定时任务偶尔动一下。以前我凭感觉猜它忙不忙，现在有曲线为证，心里就有底了。以后如果要升级配置，或者判断某个新功能是不是太吃资源，我都不用再拍脑袋，直接翻曲线就能找到依据。对学生党来说，这种“用数据说话”的习惯，写代码和做项目时都用得上。

另外，我还学会了给告警分个轻重缓急。服务器失联、磁盘爆满这种属于“必须马上处理”，提醒要醒目；CPU 短时间冲高这种属于“先看一眼”，可以缓一缓再处理。分级之后，手机就不再是全天候的警报器了，重要的消息反而更容易被注意到。顺带一提，基础的监控指标对我这样的小项目来说完全够用，不用一上来就买最贵的套餐，先把免费和基础能力用熟，等项目真的长大了再升级也不迟。

这段经历还让我改掉了一个坏习惯：以前我总觉得，监控是大公司、大系统才需要的东西，自己的小项目不配。实际上恰恰相反，小项目才更需要它。大系统有值班团队轮流盯着，我的小项目只有我一个人，平时还要上课、写作业、赶论文，根本不可能一直盯着屏幕。花半小时把监控和告警搭好，等于给自己请了一个不用睡觉的帮手，成本几乎可以忽略，换来的却是实实在在的安心。