每日Skill学习 — Monitoring：从”它挂了”到”为什么慢”的完整指南#

1. Minimal（15 分钟）#

适合个人项目和 MVP。

• 工具： UptimeRobot（SaaS 免费版）、Healthchecks.io
• 场景： 只需要知道”服务还在不在”
• 成本： 免费

2. Standard（1-2 小时）#

适合小团队和创业公司。

• 工具： Uptime Kuma（自建）、Sentry、基础 Grafana
• 场景： 需要错误追踪和基本仪表盘
• 成本： $0-5/月

3. Professional（1-2 天）#

适合生产系统。

• 工具： Prometheus + Grafana + Loki + Alertmanager
• 场景： 完整的可观测性栈
• 成本： $10-20/月（VPS 自建）

4. Enterprise（持续投入）#

适合大规模系统。

• 工具： Datadog、New Relic 或完整开源栈
• 场景： 多团队、多服务、需要 SLO 管理

关键洞见： 大多数个人开发者从 Standard 开始就足够了，别一上来就搞 Prometheus，那是杀鸡用牛刀喵。

RED Method — 面向应用#

监控你的 API 或服务时，关注三个指标：

• Rate — 每秒请求数（流量有多大）
• Errors — 错误率（哪个端点在炸）
• Duration — 延迟分布（p50, p95, p99，别只看平均值）

USE Method — 面向基础设施#

监控服务器或容器时，关注：

• Utilization — CPU、内存、磁盘使用率
• Saturation — 队列深度、负载均衡
• Errors — 硬件和系统级错误

这两个方法论能帮你回答”我该监控什么”这个终极问题。

告警疲劳（Alert Fatigue）是监控的杀手#

skill 列出了告警疲劳的典型症状：

• 告警被静音或忽略
• on-call 的人害怕轮班
• 重要告警淹没在噪声里

解决之道：

分级响应机制#

对 solo developer 来说，Telegram 是个很棒的告警渠道——免费、即时、跨平台。

Step 1：Uptime 监控（5 分钟）#

SaaS 方案 — UptimeRobot：

1. 注册 → 添加 URL → 完成
2. 免费版支持 50 个监控点，5 分钟间隔
3. 支持 Telegram 告警

自建方案 — Uptime Kuma：

1
docker run -d --restart=unless-stopped -p 3001:3001 \
2
  -v uptime-kuma:/app/data --name uptime-kuma louislam/uptime-kuma:1

支持 90+ 种通知渠道，自带状态页面。

Step 2：Cron Job 监控（3 分钟）#

用 Healthchecks.io 监控你的定时任务：

1
# 在你的 cron 脚本末尾加一行
2
curl -fsS -m 10 --retry 5 https://hc-ping.com/YOUR-UUID

如果 ping 没按时到达 → 告警触发。简单粗暴但有效。

Step 3：错误追踪（5 分钟）#

1
# Node.js 项目
2
npm install @sentry/node

1
import * as Sentry from "@sentry/node";
2
Sentry.init({ dsn: "你的DSN" });

免费套餐支持 5000 事件/月，对个人项目完全够用。

Step 4：Prometheus + Grafana（适合需要深度的场景）#

skill 提供了完整的 Docker Compose 配置，包含 Prometheus、Grafana、Alertmanager 和 node_exporter。几行命令就能跑起来一个专业级的监控栈。

核心 PromQL 查询示例：

1
# CPU 使用率
2
100 - (avg by(instance) (irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)
3

4
# 错误率
5
sum(rate(http_requests_total{status_code=~"5.."}[5m])) / sum(rate(http_requests_total[5m]))
6

7
# P95 延迟
8
histogram_quantile(0.95, sum(rate(http_request_duration_seconds_bucket[5m])) by (le))