新手记录：华为云云监控 CES 入门——告警先设好，别等网站打不开了才知道

新手最容易犯的错，是服务器买好、网站跑起来，就觉得万事大吉了。直到某天用户说网站打不开，登上控制台一看，磁盘早在三天前就满了——这种事后救火，基本都是因为没提前设监控。华为云的 CES（云监控服务）就是干这个的：盯着你的机器和服务，指标异常了先一步通知你。

先搞清它盯什么。对一台 ECS，新手重点看四类指标。一是 CPU 使用率，长期跑高说明机器扛不住了，要么有异常进程，要么该升配或加机器。二是内存使用率，内存被慢慢吃光往往是程序有泄漏，监控能帮你提前几天发现趋势。三是磁盘使用率和磁盘读写，盘满是新手最常见的事故，没有之一。四是带宽和网络连接数，突然飙高可能是流量涨了，也可能是被攻击了，得第一时间知道。

再说告警怎么设。CES 里可以针对每个指标建告警规则：比如磁盘使用率超过 80% 持续 5 分钟，就发一条告警；CPU 超过 90% 持续 10 分钟，再发一条。关键有两点。第一，阈值别拍脑袋定太低，不然天天误报，看多了就麻木了，真出事那条也会被你划过去——这叫告警疲劳，是监控最大的敌人。第二，告警一定要通知到人：短信、邮件、或者消息通知至少开一种，并且确认自己真能收到，别规则建好了、通知通道是空的，那就等于没设。

动手顺序建议这样走。第一步，先在 CES 控制台把名下 ECS、RDS 这些主要资源过一遍，确认它们都在被监控、数据都在正常上报。第二步，给最要命的指标先建规则：磁盘 80%、CPU 90%、内存 85%，每条都绑定通知。第三步，故意做一次测试，比如把阈值临时调低触发一条告警，确认通知真的发到了手机上，再把阈值改回去。第四步，每周花五分钟看一眼监控大盘的趋势图，很多问题看趋势比看单点数值更早暴露，比如磁盘每天涨 2%，十几天后必满，提前扩容就行。

还有两个常见误区。一是只盯机器不盯服务：机器活着不等于网站活着，端口不通、进程假死的时候 CPU 反而很低，有条件的话把站点可用性探测也加上。二是出了告警只处理不记录：每次告警的原因和处理办法简单记下来，同类问题第二次出现时就不用再从头排查。

一句话总结：监控的价值不在事后看报表，而在出事之前先响一声。告警设好、通知打通、趋势常看，服务器就从“坏了才知道”变成“快坏了就知道”。