Linux 主机监控

按业务、环境和机房整理主机清单，记录地址、负责人、系统版本、CPU 架构和挂载点；区分物理机、虚拟机与容器宿主机。以下命令在已授权的目标主机本地只读执行，输出供基线比对，不自动上报外部服务。将临时挂载、只读卷和离线备份盘单列，提前约定哪些对象需要告警，避免统一阈值覆盖业务差异。

uname -srmo
free -b
df -PT
df -Pi

确认 Prometheus 到主机指标端口的路由，限制来源网段并按环境配置 TLS 或可信代理。为 node_exporter 使用专用服务身份，仅为实际启用的采集器补充读取权限；不要为省事授予任意命令权限。估算主机数、采集周期、序列数量和保留天数，单独评审 textfile 等扩展采集方式，并禁止用户名、请求 ID 等高基数值成为标签。

选取一台非关键且具有代表性挂载结构的主机，使用固定版本和已核对来源的软件包建立服务；记录配置、启动参数与资源限额。先检查本机端点，再从采集端验证授权路径。下例只读取本地指标，端口如经变更应同步替换；若部署在容器中，需明确宿主机挂载路径和命名空间视角，防止把容器指标误当整机数据。

curl --fail --silent --show-error http://127.0.0.1:9100/metrics

为主机发现配置稳定的环境、业务组和资产标识，统一重复目标的去重规则；采集超时应小于采集周期。把新增 job 与原有监控配置分开审阅，加载前先执行语法检查。下例 <PROMETHEUS_CONFIG> 是已准备的候选配置文件绝对路径，仅检查文件，不重新加载服务。检查通过后再按现有发布流程应用，并观察目标状态与时序增长。

promtool check config '<PROMETHEUS_CONFIG>'

按环境和业务建立总览，再提供单机 CPU、内存、磁盘空间、inode、网络吞吐与磁盘活动面板；每张图标注单位、采样窗口和过滤条件。CPU 使用率以计数器变化率计算，避免直接绘制累计值；可用内存与已用内存的口径需写清楚。为采集失败设置独立面板，区分主机无数据与资源正常，保留到资产和知识文档的定位入口。

将采集失联、磁盘空间逼近下限、inode 不足和持续资源压力分开治理，阈值由历史基线和业务峰值确定，并设置持续时间抑制短时抖动。磁盘告警应排除无运维意义的临时挂载，同时关注增长趋势；通知包含主机、环境、挂载点、级别及排查链接。根据资产责任组路由，制定维护静默到期时间，避免失联告警把同一事件放大为多条资源告警。

在隔离测试目标上使用受控测试规则验证通知和恢复，不通过填满磁盘或压垮生产 CPU 制造信号。记录发现、发送、接收和关闭四个时间点，检查值班操作是否能按链接完成定位。试点通过后按业务组逐批接入，每批复核资源预算、覆盖率与例外；交付配置版本、对象清单、看板入口、告警责任表以及停止接入的条件。