云服务监控告警规则怎么设？新手三步就能上手

你刚把网站搬上阿里云，或者用腾讯云搭了个小程序后台，结果某天凌晨三点手机狂震——CPU 使用率飙到 98%！点开一看，日志里全是报错，用户留言‘打不开’……其实，这多半不是突发事故，而是你还没给云服务配上‘守门员’：监控告警规则。

什么叫监控告警规则？

简单说，就是你给云服务器、数据库、负载均衡这些组件定下的‘提醒底线’。比如：‘当 CPU 连续 5 分钟超过 80%，就发短信给我’；或者‘RDS 数据库连接数超 300，立刻钉钉通知运维群’。它不帮你修问题，但能让你比用户更早知道出事了。

新手设规则，盯住这三个指标就够了

别一上来就研究几十个参数。刚入门，先管好最常‘暴雷’的三项：

• CPU 使用率：长期 >75% 就该查是不是有死循环或没加缓存；
• 磁盘使用率：>90% 很危险，尤其日志没轮转时，半夜可能直接写满宕机；
• HTTP 5xx 错误率：如果 1 分钟内 500 错误占总请求 5% 以上，大概率是后端崩了。

在控制台里怎么加？以阿里云为例

登录阿里云控制台 → 进入‘云监控’ → 找到你的 ECS 实例 → 点‘创建告警规则’ → 填下面这几项：

• 监控项：选‘CPU 使用率’；
• 统计周期：选‘5分钟’（太短容易误报，太长来不及响应）；
• 触发条件：‘平均值 > 80’；
• 持续周期：‘连续 2 个周期’（即连续 10 分钟超标才告警）；
• 通知方式：勾选‘短信+钉钉机器人’，别只靠邮件——凌晨邮件没人看。

一条实用的告警规则配置示例

比如你想监控 Nginx 访问日志里的 502 错误，可以用云监控自定义事件 + 函数计算联动。但新手建议先从基础开始，下面这段是阿里云云监控 API 创建 CPU 告警的简化版调用示意（实际在控制台点选即可，不用写代码）：

{
  "MetricName": "cpu_total",
  "Namespace": "acs_ecs_dashboard",
  "Period": "300",
  "Statistics": "Average",
  "ComparisonOperator": "GreaterThanThreshold",
  "Threshold": "80",
  "EvaluationCount": "2"
}

别踩这两个坑

一是‘全开阈值’：有人把所有指标都设成‘>10% 就告警’，结果每天收 20 条微信，最后干脆关掉通知；二是‘只设不测’：规则建完从不手动触发测试。建议第一次设置后，故意让某个测试实例跑个 stress-ng 把 CPU 顶上去，看看告警真不真、消息来不来、是不是你手机收到。