实战笔记:为华为云 ECS 配置 CES 告警加 SMN 通知,让 CPU 异常及时触达
背景:业务 ECS 偶尔在流量高峰时段 CPU 打满,往往等用户反馈才发现,已经晚了。目标是:CPU 持续异常时,自动通过短信或邮件通知到值班人。华为云上不需要自研监控组件,用云监控 CES 的告警规则加消息通知 SMN 就能打通这条链路。
一、先建 SMN 主题和订阅
1. 进入控制台「消息通知服务 SMN」,创建一个主题,例如 ecs-alarm-topic。
2. 在主题下添加订阅:通知方式选「短信」或「邮件」,填入值班人员的手机号或邮箱。
3. 订阅添加后,接收方会收到一条确认消息,必须完成确认订阅才会生效。这一步最容易漏:没确认就收不到任何告警通知,后面规则配得再对也是白搭。
二、创建 CES 告警规则
1. 进入「云监控服务 CES」-「告警规则」-「创建告警规则」。
2. 资源类型选「弹性云服务器」,勾选要监控的 ECS,指标选「CPU 使用率」。
3. 告警策略示例:统计周期 5 分钟,连续 3 个周期最大值大于等于 80% 时触发告警。用连续周期而不是单点触发,可以过滤掉秒级毛刺,避免偶发抖动就发通知。
4. 打开「发送通知」,通知方式选消息通知服务,关联第一步创建的 SMN 主题。
5. 保存后规则即时生效,之后可在「告警历史」中查看每一次触发和恢复记录。
三、补上内存和磁盘指标(容易踩的坑)
ECS 的基础监控只提供 CPU、网络等宿主机侧指标,内存使用率、磁盘使用率属于操作系统层面的监控,需要在云服务器内安装 CES 的 Agent 后才能采集。只配 CPU 规则容易给人一种已经全面监控的错觉,内存缓慢泄漏这类故障是不会触发任何告警的。安装路径:CES 控制台「主机监控」页面按指引安装插件,装好后指标列表里会出现内存使用率、磁盘使用率,再按同样方式各补一条规则。
四、上线前先做一次验证
不要等真故障来验证链路。Linux 下可以用 stress 工具短时压满 CPU,例如 stress --cpu 2 --timeout 600,观察告警是否按预期触发、SMN 通知是否送达、告警历史是否留痕。验证通过后再停掉压测,避免产生不必要的误报。
五、降噪建议
1. 对批量同类 ECS 使用资源分组统一套用规则,新增机器自动纳入监控范围。
2. 系统维护、版本发布时段可以设置告警屏蔽,避免预期内的抖动刷屏。
3. 阈值分级:80% 只发邮件供关注,95% 且持续时间更久再发短信要求处置,把打扰留给真正需要处置的情况。
小结:CES 负责发现问题,SMN 负责把消息送到人。订阅确认、Agent 安装、上线前验证这三步做扎实,监控告警链路才算真正打通。
- 点赞
- 收藏
- 关注作者
评论(0)