站群服务器的监控该盯什么?三个指标够用

第一个:站点可用性
HTTP 状态码是不是 200,响应时间有没有突然变长。五分钟探一次就够,太频繁会被当成攻击。
建议按站点分组告警,别一有异常就全量推送,那样没人会看。
第二个:IP 的封禁率
这是站群特有的指标。每个 IP 单独记录最近的成功率和失败率,连续失败超过阈值就标记出来。
封禁率突然抬头,通常意味着两种情况:目标平台换了风控策略,或者你的某个站被人工处理了。
第三个:资源水位
CPU、内存、磁盘、带宽四项,重点看趋势不看瞬时值。内存持续上涨不回落,基本就是有站内存泄漏。
告警要分级
站点全挂是最高级,立刻处理;单个站打不开是次一级,当天处理;磁盘用了八成是第三级,一周内处理。不分级的结果是所有告警都变成噪音。
一个实际经验
刚上线那两周最容易出问题,监控频率可以临时调高。稳定之后再放宽,别一直用高频率,累人也容易麻木。
别忽视巡检记录
每天花五分钟记一下各站状态,出问题时往回翻,能快速判断是突变还是渐变。这比事后靠日志推断准得多。
日志别只看告警
告警只告诉你出事了,日志能告诉你为什么。把状态码分布和响应时间分位数这两个数定期看一眼,很多问题在变成告警之前就能发现。
延伸阅读:
云服务器账单越滚越大,先查这三类闲置资源
云上成本失控,很少是因为单价高,更多是因为资源被遗忘。项目上线时开的一批测试机、做活动临时扩的实例、迁移后没释放的旧主机...
云服务器弹性伸缩配不好,扩容反而会拖垮业务
流量曲线从来不是平的。早高峰、午间小高峰、晚间活动和突发热点,都会让一台固定规格的云服务器在某个时刻被压到CPU满载。很...
云服务器备份别靠运气:快照、镜像与恢复演练该怎么做
很多团队对云服务器备份的理解,还停留在控制台里点一下快照。直到某天误删了数据库目录、被勒索软件加密了整块系统盘,或者所在...
云服务器带宽怎么买?固定带宽与按流量计费的临界点算给你看
云服务器账单里最容易失控的一项往往不是CPU,而是带宽。买固定带宽吧,平时用不到一半,钱照付;改成按流量计费吧,一篇稿子...
云服务器云盘怎么选?普通云盘、SSD云盘、ESSD的IOPS差距与选盘策略
数据库慢查询排查了一圈,索引加了、SQL改了、连接池也调了,响应时间还是卡在两百毫秒下不来,最后发现是云盘的IOPS被打...