ECS 磁盘使用率告警配置思路与排查清单

背景：云服务器磁盘写满是常见故障，日志暴涨、临时文件未清理都可能让服务突然不可用。本文整理一份为华为云 ECS 配置磁盘使用率告警的思路与排查清单，供开发者参考。一、先确认能采集到磁盘使用率：ECS 基础监控默认提供 CPU、网络、磁盘读写速率等指标，磁盘使用率、内存使用率属于操作系统层指标，需要在云监控服务（CES）中安装并启用 Agent 后才能采集。建议先在 CES 主机监控页面确认 Agent 状态为运行中，并能看到磁盘使用率曲线，再配置告警。二、告警规则建议：1）按挂载点区分，系统盘和数据盘分别配置；2）阈值分级，使用率达到 80% 为次要、90% 为重要、95% 为紧急，给自己留出处理时间；3）连续 3 个周期超过阈值再触发，减少瞬时波动造成的误报；4）通过 SMN 主题通知值班人员，并至少配置短信和邮件两种方式。三、触发后的排查命令：df -h

；du -xh --max-depth=1 / | sort -rh | head -n 10 找出占用最大的目录；find / -xdev -type f -size +500M 查找大文件；lsof +L1 查看已删除但仍被进程占用的文件。四、常见原因：/var/log 过大通常是日志没有轮转，应配置 logrotate 并限制保留天数；df 与 du 数值差距大，多是文件被删除但进程仍持有句柄，重启对应进程即可释放；数据盘持续增长属于业务数据正常增长，应提前规划云硬盘扩容。五、预防建议：应用日志按天切分并设置保留期；定期回看磁盘使用率趋势，在到达 80% 之前安排扩容；扩容云硬盘后记得在系统内扩展分区和文件系统，否则容量不会生效；重要数据盘在变更前先做快照。小结：磁盘告警的关键是 Agent 装好、阈值分级、通知可靠、排查有固定套路。阈值请按自己的业务情况调整，欢迎交流补充。