监控告警工具链怎么搭？Linux服务器日常自检不求人

公司那台跑着网站和数据库的老服务器，上周半夜硬盘报警邮件炸出来三条——结果早上一看，MySQL已经挂了俩小时。别笑，这事儿真不少见。监控告警不是给大厂准备的奢侈品，普通用户装个轻量级工具链，就能提前掐住故障苗头。

先搞懂什么叫“工具链”

它不是单个软件，而是一串咬合运转的小工具：数据采集（比如每5秒抓一次CPU温度）、传输汇总（把几十台设备指标送到一起）、规则判断（“内存使用超90%就喊人”）、最后发通知（钉钉、微信、甚至手机短信）。环环相扣，少一环就容易漏报。

小团队/个人推荐组合

不用上Prometheus+Grafana全套，三样够用：
• 采集端：node_exporter（开源免费，支持Linux/Windows，一行命令就跑起来）
• 告警引擎：Alertmanager（专注做判断和去重，比如同一故障10分钟内只发1次微信）
• 通知出口：Webhook直连企业微信机器人，不用装APP、不翻墙、5分钟配好。

举个实操例子

想让服务器磁盘快满时自动发微信提醒？在Alertmanager配置里加这么一段：

rule_files:
  - "rules/disk_full.yml"

route:
  receiver: 'wechat'

receivers:
- name: 'wechat'
  wechat_configs:
  - api_url: 'https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=your-key-here'
    send_resolved: true

再新建rules/disk_full.yml：

- alert: DiskUsageHigh
  expr: 100 - (node_filesystem_free_bytes{mountpoint="/"} * 100 / node_filesystem_size_bytes{mountpoint="/"}) > 92
  for: 5m
  labels:
    severity: warning
  annotations:
    summary: "根分区使用率超92%！"
    description: "当前使用 {{ $value | printf "%.1f" }}%，请清理日志或扩容"

保存后重启服务，下次df -h看到根分区飘红，手机微信立马弹窗——比自己定时ssh上去敲命令靠谱多了。

别踩这些坑

• 时间不同步：所有机器必须校准NTP，否则告警时间乱套；
• 规则写太狠：“CPU＞80%就告警”，结果备份任务一跑就狂震，改成“持续5分钟＞80%”更稳；
• 忘关测试通知：调试完记得删掉测试群的Webhook，不然半夜改配置，老板群先收到三条“test alert”。

工具链不是越重越好，能让你睡安稳觉、故障前10分钟收到消息，就算搭对了。