云服务器搭建监控告警系统

本文介绍了如何在云服务器上搭建监控告警系统，涵盖主流工具（如Prometheus、Grafana、Alertmanager）的部署与集成，包括指标采集、可视化展示、阈值设定及多通道（邮件、钉钉、企业微信）告警配置，强调自动化安装、安全加固与高可用设计，适用于中小规模云环境，助力运维人员实时掌握资源状态、快速响应异常。

基于云服务器快速搭建自研监控告警系统实战指南

在数字化运维日益深入的今天，监控告警已不再是大型企业的专属能力，借助弹性、按需付费的云服务器资源，中小团队甚至个人开发者也能在数小时内构建一套稳定、可扩展、低成本的监控告警系统——无需依赖商业SaaS，不绑定特定厂商,真正掌握数据主权与响应主动权。

本文以主流公有云（如阿里云ECS或腾讯云CVM）为载体，采用开源技术栈，提供一条清晰、可复现的轻量级落地路径：用 Prometheus 收集指标、Grafana 可视化、Alertmanager 实现智能分级告警，并通过企业微信/钉钉完成闭环通知。

第一步：环境准备与基础部署
选用一台2核4GB内存、50GB SSD云服务器（Linux CentOS 7.9 或 Ubuntu 22.04），建议选择与业务同地域实例以降低延迟，开通安全组，仅开放22（SSH）、9090（Prometheus）、3000（Grafana）、9093（Alertmanager）端口。

通过一键脚本快速初始化： 

# 安装必要工具
sudo apt update && sudo apt install -y curl wget unzip jq
# 创建监控专用目录
sudo mkdir -p /opt/monitor/{prometheus,grafana,alertmanager}

第二步：部署核心组件（均使用二进制方式，免容器依赖）

  • Prometheus：下载最新稳定版（如 v2.48.0），解压后配置 prometheus.yml： 

    global:
scrape_interval: 15s
scrape_configs:
- job_name: 'prometheus'
  static_configs: [{targets: ['localhost:9090']}]
- job_name: 'node_exporter'  # 部署在被监控节点的轻量采集器
  static_configs: [{targets: ['localhost:9100']}]

    启动命令：nohup ./prometheus --config.file=prometheus.yml --web.listen-address=":9090" > /var/log/prometheus.log 2>&1 &

  • Node Exporter（主机指标采集器）：下载后直接运行，暴露 /metrics 接口，零配置即用。

  • Grafana：下载并解压，修改 conf/defaults.ini 中 http_port = 3000 和 admin_password = your_secure_pass，启动后访问 http://<公网IP>:3000，添加 Prometheus 为数据源（URL填 http://localhost:9090）。

  • Alertmanager：配置 alertmanager.yml 定义告警路由与静默规则，例如按严重等级分流至不同通知渠道；启用 Webhook 模式对接钉钉机器人（需在钉钉群中创建自定义机器人，获取 webhook 地址）。

第三步：编写可落地的告警规则
避免“告警风暴”，聚焦关键信号，在 Prometheus rules 目录下新建 host_alerts.yml： 

groups:
- name: host-alerts
  rules:
  - alert: HighCPUUsage
    expr: 100 - (avg by(instance)(irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100) > 85
    for: 5m
    labels: {severity: "warning"}
    annotations: {summary: "CPU 使用率过高", description: "{{ $labels.instance }} CPU 超 {{ $value | printf \"%.1f\" }}%"}
  - alert: DiskFullSoon
    expr: (node_filesystem_avail_bytes{fstype=~"ext4|xfs"} / node_filesystem_size_bytes{fstype=~"ext4|xfs"} * 100) < 10
    for: 10m
    labels: {severity: "critical"}
    annotations: {summary: "磁盘空间不足", description: "{{ $labels.mountpoint }} 剩余容量低于10%"}

将该文件挂载进 Prometheus 配置,重启服务即可生效。

第四步：打通告警通知闭环
Alertmanager 的 receivers 配置支持多通道冗余： 

receivers:
- name: 'dingtalk-webhook'
  webhook_configs:
  - url: 'HTTPS://oAPI.dingtalk.com/robot/send?access_token=xxx'
    send_resolved: true

配合简单 Go 编写的轻量级 DingTalk 格式适配器（或直接使用社区成熟的 dingtalk-webhook 项目），确保告警信息含时间、指标、触发阈值与链接直达 Grafana 对应面板，实现“一看即懂、一点即查”。

第五步：安全加固与可持续运维

  • 所有服务监听 0.0.1，通过 Nginx 反向代理 + Basic Auth 提供外网访问，避免裸端口暴露；
  • Prometheus 数据定期快照备份至云对象存储（OSS/COS），防止意外丢失；
  • 使用 systemd 管理进程，保障异常退出自动拉起；
  • 关键告警设置“夜间静默”（via Alertmanager 时间静默）,兼顾响应与团队健康。

这套方案总资源占用约1.2GB内存，月成本不足30元（按中配实例计），却能覆盖CPU、内存、磁盘、网络、进程存活、HTTP接口可用性等核心维度，更重要的是，它是一套“活”的系统——你可以随时添加自定义 exporter（如监控MySQL慢查询、Nginx请求数），或接入业务埋点指标,让监控真正生长于你的技术脉络之中。

监控不是目的，而是持续交付与稳定运行的底气，当告警不再来自黑盒平台，而源于你亲手编排的逻辑与信任的数据，运维便从被动救火，转向主动守护。（全文约1260字）