华为云云监控服务CES实战:Agent安装、监控面板与告警通知配置

举报
yd_235631729 发表于 2026/11/08 17:54:17 2026/11/08
【摘要】 本文以Linux ECS为例,梳理华为云云监控服务CES的使用方法:基础监控与安装Agent后的操作系统监控区别、监控面板搭建、借助SMN配置告警通知、创建分级告警规则、资源分组与事件监控,以及告警链路验证、注意事项和常见问题排查思路。

一、背景:为什么要做云上监控

业务上云之后,服务器、数据库、负载均衡等资源越来越多,靠人工登录逐台查看已经不现实。很多故障在爆发之前都有征兆,比如CPU持续升高、磁盘空间逐渐被占满、内存使用率居高不下。如果能在指标异常时第一时间收到通知,就能把问题消灭在萌芽状态。华为云的云监控服务(Cloud Eye,简称CES)就是用来解决这个问题的:它可以对云上资源进行指标采集、可视化展示和告警通知,是日常运维中最基础也最重要的工具之一。

本文以几台Linux弹性云服务器(ECS)为例,梳理云监控服务的核心能力,包括基础监控与主机监控(安装Agent)的区别、监控面板的使用、告警规则的创建、告警通知的配置、事件监控,以及常见问题的排查思路。控制台菜单和指标名称可能随版本更新而变化,下文中的具体名称请以控制台和官方文档为准。

二、核心概念

监控指标:被监控对象的某项可度量数据,例如CPU使用率、内存使用率、磁盘读写速率、网络流入流出速率等。每个指标都有所属的服务命名空间和维度(比如具体是哪台ECS)。

基础监控:云服务默认提供的监控,无需安装任何组件即可查看。以ECS为例,基础监控通常来自虚拟化层,可以看到CPU、网络、磁盘读写等指标,但部分操作系统内部的指标(例如内存使用率、磁盘空间使用率)可能无法精确获得。

操作系统监控(主机监控):通过在ECS内部安装监控Agent,采集操作系统层面的更细粒度指标,例如内存使用率、各分区磁盘使用率、进程数量、负载等。

告警规则:定义“哪个资源的哪个指标在什么条件下触发告警”,例如“web-01的CPU使用率连续3个周期平均值大于80%”。

告警通知:告警触发后通过什么方式通知谁,通常结合消息通知服务(SMN)的主题,实现短信、邮件、HTTP回调等方式的通知。

事件监控:除了数值指标,云监控还可以对系统事件(如实例重启、删除等)和自定义事件进行监控与告警。

三、查看基础监控

创建ECS之后,进入云监控服务控制台,在“云服务监控”或“主机监控”相关菜单中可以看到资源列表。选择一台ECS,点击“查看监控指标”,就能看到CPU使用率、网络流量、磁盘读写等曲线。

几个实用的小技巧:

  1. 切换时间范围:可以选择近1小时、近1天、近7天等时间范围,排查问题时先看大范围找出异常时间段,再缩小范围精细分析。
  2. 聚合方式:指标可以按平均值、最大值、最小值等方式聚合,排查突发尖峰时建议看最大值,避免被平均值“抹平”。
  3. 对比多台机器:在自定义监控面板中把多台服务器的同一指标放在一张图中,可以快速发现哪台机器负载异常。

四、安装Agent开启操作系统监控

基础监控看不到内存和磁盘空间使用率,而这两项恰恰是最容易导致故障的指标,因此建议生产环境的ECS都安装监控Agent。

安装方式一般有两种:一种是在控制台的主机监控页面中选择服务器后一键安装(前提是满足网络和权限条件);另一种是登录ECS后执行官方提供的安装脚本。由于安装脚本的下载地址与区域相关,并且会随着版本更新,本文不直接给出具体地址,请在控制台的主机监控页面或官方文档中复制对应区域的安装命令。

安装前后可以用以下通用命令做一些检查:

# 确认能解析和访问外部地址(安装脚本需要下载安装包)
ping -c 3 <官方文档给出的地址或域名>

# 安装完成后,查看Agent相关进程是否存在
ps -ef | grep -i agent | grep -v grep

# 查看服务状态(具体服务名以官方文档为准)
systemctl list-units --type=service | grep -i -E "agent|telescope"

安装后需要注意两点:一是Agent需要相应的权限才能上报数据,通常需要为ECS配置委托或按文档完成授权,控制台一般会给出提示;二是Agent上报数据需要访问云监控服务的接口地址,如果ECS所在子网没有公网出口,需要按照文档配置相应的网络访问方式。安装成功后,等待几分钟,在主机监控页面中该服务器的Agent状态会变为“运行中”,此时就可以看到内存使用率、磁盘使用率等操作系统层面的指标了。

五、创建监控面板

监控面板相当于运维大屏,把关注的指标集中展示。建议按业务维度创建面板,例如“Web集群面板”“数据库面板”。创建步骤大致如下:

  1. 在云监控控制台进入“监控面板”,点击创建面板,填写名称;
  2. 添加监控视图,选择资源类型(如弹性云服务器),选择指标(如CPU使用率),选择要展示的实例;
  3. 根据需要继续添加内存使用率、磁盘使用率、网络流量等视图;
  4. 调整视图布局,保存。

一个比较实用的Web集群面板通常包括:各ECS的CPU使用率、内存使用率、根分区和数据分区的磁盘使用率、负载均衡器的并发连接数和异常主机数、数据库的连接数和慢查询相关指标等。这样一旦出现问题,打开面板就能快速定位是哪一层出了问题。

六、配置告警通知渠道

告警规则触发后要能真正通知到人,所以先要准备好通知渠道。常用做法是借助消息通知服务SMN:

  1. 进入消息通知服务,创建一个主题,例如 ops-alarm;
  2. 在主题下添加订阅,协议选择短信或邮件,填写值班人员的手机号或邮箱;
  3. 订阅创建后,被订阅方需要确认订阅(例如点击邮件中的确认链接),确认后才能收到消息。

部分版本的云监控还支持直接配置告警联系人或通知组,具体以控制台为准。建议至少配置两种不同渠道,例如邮件加短信,避免单一渠道失效导致漏告警。如果团队使用即时通讯工具的机器人,也可以通过HTTP或HTTPS订阅把告警推送到自己的接收服务,再转发到群聊中。需要注意,回调地址如果带有鉴权参数,应妥善保管,不要公开到文档或代码仓库中。

七、创建告警规则

进入云监控控制台的“告警规则”页面,点击创建告警规则,主要配置项包括:

  • 名称与描述:例如 web-cpu-high,描述写清楚含义和处理人;
  • 资源类型与维度:选择弹性云服务器,监控范围可以选择指定资源,也可以选择资源分组或全部资源;
  • 触发规则:可以使用预置模板,也可以自定义。例如:
指标 条件 连续周期 告警级别
CPU使用率 平均值 > 80% 3 重要
内存使用率(需Agent) 平均值 > 85% 3 重要
磁盘使用率(需Agent) 最大值 > 90% 1 紧急
  • 告警策略:可以设置重复告警的间隔,例如每隔一段时间重复通知一次,避免告警一直未处理却没人知道;
  • 通知配置:选择上一步创建的SMN主题,并选择在告警触发和恢复时都发送通知。

关于阈值设置,有几条经验:第一,不要一开始就把阈值定得太低,否则告警泛滥,大家会产生“告警疲劳”,真正重要的告警反而被忽略;第二,用“连续N个周期”过滤瞬时尖峰;第三,对磁盘空间这类变化缓慢但后果严重的指标,可以设置分级告警,比如80%提醒、90%紧急。

八、资源分组与事件监控

当资源数量较多时,逐个配置告警规则很麻烦。可以使用资源分组功能,把同一业务的ECS、数据库、负载均衡器等放进一个分组,然后针对分组统一配置告警规则,新加入分组的资源也能自动套用规则。如果资源有统一的标签,部分版本还支持按标签自动匹配加入分组,具体以控制台为准。

事件监控方面,可以对ECS的异常重启、实例被删除等系统事件配置告警。这类事件往往意味着有人误操作或者底层出现问题,第一时间收到通知很有帮助。结合云审计服务CTS的操作记录,还可以追溯是谁在什么时间做了什么操作。

九、验证告警是否生效

配置完成后一定要实际验证一次,而不是等到出故障时才发现告警配错了。可以在测试机上用简单命令制造CPU压力:

# 启动与CPU核数相同数量的死循环进程制造CPU压力(仅限测试机)
for i in $(seq 1 $(nproc)); do (while :; do :; done) & done

# 观察几分钟,确认收到告警后结束这些进程
kill $(jobs -p)

也可以用 dd 命令在测试目录写入一个大文件来验证磁盘使用率告警,验证完毕后记得删除文件。请务必只在测试环境中做这类验证,避免影响生产业务。收到告警通知并在恢复后收到恢复通知,才说明整个链路是通的。

十、注意事项

  1. Agent覆盖率:新创建的ECS容易忘记安装Agent,建议把Agent安装写入镜像或初始化脚本中。
  2. 数据粒度与保留时间:不同粒度的监控数据保留时间不同,需要长期分析的数据可以考虑导出或转储,具体规则以官方文档为准。
  3. 告警分级与值班:紧急告警走短信电话,一般告警走邮件或群消息,避免所有告警都同一个级别。
  4. 告警内容可读:告警规则名称和描述要写清楚影响范围和处理建议,方便半夜收到告警的值班人员快速判断。
  5. 成本:基础监控通常免费,部分高级功能或通知渠道(如短信)可能产生费用,请以计费说明为准。

十一、常见问题

问:为什么看不到内存使用率?
答:内存使用率通常属于操作系统监控指标,需要在ECS内安装监控Agent并确认其运行正常。

问:Agent安装成功但一直没有数据?
答:检查Agent进程是否在运行、ECS是否完成了所需的委托或授权、网络是否能访问云监控上报地址、系统时间是否准确,以及查看Agent日志中的报错信息。

问:告警规则触发了,但没收到通知?
答:检查SMN主题的订阅是否已确认、告警规则是否选择了正确的主题、通知时间段设置,以及短信或邮件是否被拦截到垃圾箱。

问:告警太多怎么办?
答:适当提高阈值、增加连续周期、合并重复规则、设置合理的重复告警间隔,并定期回顾哪些告警从未带来实际处置动作,考虑调整或删除。

十二、总结

云监控服务是云上运维的“眼睛”和“警报器”。本文梳理了从查看基础监控、安装Agent获取操作系统指标、搭建监控面板,到配置SMN通知渠道、创建分级告警规则、使用资源分组和事件监控,再到实际验证告警链路的完整流程。核心经验可以总结为:关键指标要全覆盖,告警阈值要分级,通知渠道要冗余,配置完成要验证。把这些做到位,大部分资源层面的问题都能被提前发现和处理。各项功能与参数请以控制台和官方文档为准。

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。