运维圈有句老话：没有监控的服务器等于没人值班的金库。监控的意义不是图表好看，而是在用户感知之前发现问题：磁盘 90% 就告警，别等 100% 业务瘫了才知道。
四个必盯指标
- CPU：持续高于 80% 就该关注，长期 100% 必须处理
- 内存：available 长期低于两成是危险信号
- 磁盘：占用 80% 告警是业内惯例，别小看日志的膨胀速度
- 带宽：出网流量异常暴涨，要么业务爆了，要么有人在拖数据
工具怎么选
- 云监控：控制台自带、免费，配阈值告警推送到手机，新手首选
- 宝塔监控：装了面板就有，可视化顺手
- Prometheus 加 Grafana：自建监控天花板，多机器和团队场景再上
告警的艺术
阈值别设太敏感，凌晨三点被 70% 的 CPU 告警吵醒几次，人就会把告警静音。告警贵准不贵多，持续五分钟才触发、按重要度分级通知，这两招能过滤掉九成噪音。
监控的最高境界，是故障发生之前你就已经知道了。
——运维圈的老生常谈