一位客户的系统周五晚上悄悄挂了，周六周日整整两天没人访问，直到周一上午他自己打开后台才发现。更糟的是那两天正赶上推广投放，几百块的广告费打了水漂。事后问他为什么没装监控，答复是供应商说用不上。后端系统开发的监控告警就是保险丝，一年成本百来块，省掉它的代价可能是三天瘫痪。
必配的几类监控项
- 进程和站点存活：每隔一分钟探测一次首页和核心接口，挂了立刻告警，这是最基本的一条；
- 资源水位：CPU、内存、磁盘使用率，超过八成告警，尤其是磁盘，被日志撑爆导致的宕机占小型事故的相当比例；
- 接口质量：响应时间超过两秒、错误率超过百分之一就报警，性能恶化在用户投诉前就能抓到；
- 数据库状态：连接数、慢查询数量，数据库是多数系统最先倒下的环节；
- 证书和域名到期：SSL证书过期导致的整站打不开，是每年都在重演的低级事故，提前十五天提醒就能杜绝。
这些项配上，绝大多数瘫痪都能在几分钟内被知道，而不是等用户打电话。云厂商的监控服务加上一个告警通道，一年成本百来块，一次事故都抵不了。
告警要让人愿意看
监控配了不等于万事大吉，告警设计不好会适得其反。阈值太敏感，CPU偶尔窜到八成五也报警，一天十几条，一周之后大家都把它静音了，真警报照样没人理，这叫狼来了效应。合理做法是分级：致命问题走电话或短信，一般问题走企业微信或邮件，阈值留出缓冲区间，连续几个周期超标才触发。告警还要发给具体的人，写清响应预期，半夜挂掉三天没人处理，等于没监控。
另外建议每月做一次人工巡检补盲区：监控覆盖不到的备份是否成功、定时任务产出对不对、磁盘增长趋势，这些拿报表过一遍，十分钟的事。机器盯实时，人看趋势，两头都齐才算完整。
成本和工具有多低
中小企业不需要自建监控平台，云厂商自带的主机监控加一个开源的拨测服务，配置半天就能跑起来。真正难的不是技术，是意识：把监控当成和备份同等级的标配，写进系统交付要求里。
两条建议：验收新系统时把监控告警列为交付物，让开发方现场演示拔网线后的告警到达；存量系统今天就可以配最基础的三项——站点存活、磁盘水位、证书到期，比格网络给老客户做托管时这三项是零门槛标配，从配到齐只需要半天，别让下一次故障再靠用户来报信——监控告警这一课，后端系统开发交付时就该交齐。
