最尴尬的场景是：客户在群里说"你们网站打不开了"，你才打开电脑。而那时候可能已经挂了三个小时。
监控这件事成本极低，免费方案就能覆盖基础需求，关键是把该盯的几项盯住。
该监控什么
- 可访问性：首页能不能正常返回，状态码对不对。
- 页面内容：不只是"有响应"，还要确认关键内容真的在——有的故障会返回 200，页面却是错误页。
- 证书有效期：提前提醒，避免到期那天全站打不开。
- 域名有效期：最容易被忘，也最要命。
- 关键流程：登录、下单这些路径能不能走通。
监控要从外部发起，别装在自己服务器上。服务器都挂了，装在里面的监控自然也发不出通知。
告警发给谁
别只发邮件，邮件太容易被埋。短信、企业微信、电话，至少有一种能把人叫醒。团队的站要配备用联系人，别全压在一个人身上。
还要设"多久算故障"的阈值。太敏感会被误报烦到关掉通知，太迟钝就失去意义。连续两次失败再报警，是比较常见的折中。
为什么装了还是最后知道
三个原因：告警发到了一个没人看的邮箱；只监控了首页，出问题的是内页或接口；检查频率太低，半小时一次，故障早就传开了。
建议做一次演练：手动把站停掉，看多久收到通知、里面写了什么。没演练过的告警，等于没有告警。
故障是必然的，区别只在于你是被客户告知，还是被系统告知。