香港服务器巡检应检查哪些项目,如何安排日常监控与记录
香港服务器交付后,最容易留下的不是某个命令不会执行,而是验收口径没有固化:IP可以连通但线路或带宽不符合约定,磁盘容量充足却因 inode 耗尽导致写入失败,CPU利用率不高但磁盘 I/O 等待已经拖慢业务,监控有告警却没有基线和处理记录。后续出现故障时,很难判断问题来自交付差异、业务增长还是后续变更。
验收时建议按“资源身份、主机资源、存储、网络服务、安全与备份、监控记录”逐类核对;日常则采用主机指标、外部探针和业务日志三层监控。常规指标可按30秒至1分钟采集,告警使用持续时间、恢复阈值和依赖关系降噪,每天检查过去24小时的峰值、异常和处置结果。下面的阈值属于通用参考,最终应以业务SLO、合同条款和实际基线为准。
香港服务器的资源配置与线路选择,会影响巡检基线和业务监控的关注重点。A5数据提供香港物理服务器,涵盖入门建站、Xeon Gold及AMD EPYC等配置,并有SSD或NVMe存储及不同带宽线路方案,可用于网站、业务后台、数据库和接口服务等场景。面向不同地区用户的业务,也可结合其在美国、日本、韩国、中国台湾、新加坡和马来西亚等地的服务器资源,规划相应的部署布局。
一、交付验收:先锁定服务器身份与可管理性
1. 资源配置与香港机房属性
| 关键对象 | 对应核对项 | 判断依据 |
|---|---|---|
| 服务器身份 | 主机名、IPv4/IPv6、实例编号、操作系统版本、内核版本 | 与订单、交付单或资产台账一致;主机名和IP不能只在控制台显示,还应在系统内核对 |
| 计算资源 | vCPU数量、内存容量、CPU型号或实例规格 | 系统识别结果与约定规格一致;云主机还要确认是否存在突发型CPU、共享型资源等限制 |
| 存储资源 | 系统盘、数据盘容量、挂载点、磁盘类型 | 不只看总容量,还要确认数据盘是否正确挂载、文件系统是否可写、磁盘类型是否与业务要求一致 |
| 地理与网络属性 | 机房地区、网络运营商或ASN、IP段、带宽类型 | 以服务商交付信息和网络配置为主,IP定位网站只能作为辅助,不能单独证明机房位置 |
| 计费与流量口径 | 峰值带宽、独享或共享、入方向和出方向计费、月流量或95计费规则 | 必须将“端口速率”“可用带宽”“流量包”分开记录,不能把1Gbps端口直接理解为持续可用的1Gbps公网吞吐 |
香港服务器的线路表现通常会受到访问地区、运营商、时段和路由变化影响。验收时应分别从香港本地、内地主要访问区域以及业务涉及的海外区域进行探测,不要只用服务器所在机房的一次 Ping 结果下结论。

2. 管理入口与权限边界
管理面要检查远程登录地址、端口、认证方式、管理员账号、密钥或密码交付方式,以及是否存在控制台、带外管理或服务商救援入口。判断重点不是“能否登录”,而是:
- 业务运维人员能够登录,但权限不会超出职责范围;
- 交付完成后,临时账号、临时密钥和供应商测试账号已经回收或明确保留原因;
- 管理入口有来源限制、登录审计和失败告警;
- SSH、远程桌面或控制台的时区、主机名与资产记录一致;
- 管理员账号能够通过审计日志追溯到具体人员,而不是多人共用一个账号。
如果使用 Linux,可在不修改系统配置的前提下查看基础状态:
hostnamectl
nproc
free -h
uptime
df -hT
df -ih
ss -s
其中,df -hT用于查看容量和文件系统类型,df -ih用于查看 inode 使用率,ss -s用于了解连接总量。hostnamectl、systemctl等命令依赖具体发行版和初始化系统,命令不存在时应先核对操作系统,不要直接套用其他发行版的路径或服务名。
二、主机资源:分别核对CPU、内存和进程状态
1. CPU使用率不能单独判断性能
CPU巡检至少要同时看使用率、负载、I/O等待和窃取时间。
| 指标 | 建议观察方式 | 参考判断 |
|---|---|---|
| CPU使用率 | 查看1分钟、5分钟和15分钟趋势 | 5分钟持续超过70%可作为预警,超过85%需确认是否影响业务;短时峰值不宜直接升级为故障 |
| Load Average | 与逻辑CPU数量比较 | 负载长期高于逻辑CPU数量,且运行队列、响应时间同步升高,通常需要进一步分析 |
| I/O Wait | 结合磁盘延迟、队列长度观察 | 持续超过约10%时,应检查磁盘、数据库、日志写入或备份任务,而不是简单增加CPU |
| Steal Time | 虚拟机重点观察 | 持续升高说明宿主机资源争用或实例类型存在限制,应联系服务商确认,不宜归因于业务进程 |
| 进程重启 | 统计服务退出、拉起和崩溃次数 | 同一服务在短时间内反复重启,即使CPU和内存正常,也应作为高优先级异常 |
例如,8 vCPU服务器的负载为6并不必然异常;如果I/O等待很低、请求延迟正常,可能仍有余量。相反,负载为3但I/O等待很高,也可能已经影响数据库和Web服务。因此负载必须和CPU利用率、进程状态以及业务响应时间结合判断。

2. 内存应以可用内存和交换活动为主
Linux系统中,free较低并不一定代表内存耗尽,应重点观察 available、Swap使用量和换入换出活动。Windows服务器则应对应查看可用内存、提交量、分页活动和进程工作集。
可以采用以下参考规则:
- 可用内存持续低于物理内存的15%,进入预警;
- 可用内存低于10%,并伴随Swap或分页活动增加,升级为高优先级;
- Swap已经使用不等于故障,但持续发生换入换出且应用延迟升高,说明内存压力正在影响服务;
- 某个进程内存持续增长时,应记录进程名、增长速度和重启历史,不要只看整机平均值;
- 容器环境还要检查容器内存限制和宿主机内存,避免出现“宿主机还有内存、容器已被限制”的误判。
内存告警不宜设置为瞬时触发。通常可以设置为连续5分钟超过阈值才告警,并将“恢复条件”设置得低于触发条件,例如低于12%或15%持续10分钟后恢复,避免指标在临界点来回抖动。
3. 进程与连接状态要关联业务
交付验收时应列出必须运行的服务清单,例如Web服务、应用服务、数据库、消息队列或定时任务,并为每个服务记录:
- 服务名称和启动方式;
- 监听地址与端口;
- 运行用户;
- 正常进程数量或实例数量;
- 最近一次重启时间;
- 日志路径和健康检查方式。
“端口处于监听状态”只能证明进程打开了端口,不能证明业务正常。更可靠的判断是同时检查进程、端口、健康接口和一条不产生写入副作用的业务请求。对于数据库、消息队列等有连接池的组件,还要观察连接数、等待数和拒绝数,不能使用Web服务的阈值直接套用。
三、磁盘与文件系统:容量、inode、延迟分别设定条件
1. 容量告警要按挂载点区分
系统盘、业务数据盘、日志盘和备份缓存盘应分别监控。通用参考范围如下:
| 对象 | 预警参考 | 高危参考 | 判断依据 |
|---|---|---|---|
| 系统盘使用率 | 70%至80% | 85%至90% | 关注系统更新、临时文件和日志是否还有增长空间 |
| 业务数据盘 | 70% | 85% | 结合日增长量、扩容时间和保留周期计算剩余可用天数 |
| 日志盘 | 60%至70% | 80%至85% | 日志增长快,不能照搬普通数据盘阈值 |
| inode使用率 | 80% | 90% | 大量小文件、缓存文件或邮件文件可能先耗尽 inode |
| 备份缓存区 | 70% | 85% | 需要保留下一次备份和失败重试空间 |
实际阈值应结合增长速度。一个使用率80%、每天增长1%的数据盘,和使用率60%、每天增长8%的日志盘,风险并不相同。记录中应增加“预计达到高危阈值的天数”,让巡检从静态容量检查转为趋势判断。
如果磁盘已经超过阈值,不应直接删除日志或临时文件。清理前要确认保留策略、备份状态、文件归属和业务影响;涉及日志删除、文件覆盖或数据库文件处理时,应先留存证据并明确回滚方式。
2. I/O延迟和错误比利用率更能说明问题
磁盘利用率达到100%不一定表示磁盘损坏,可能是顺序读写能力已经被充分利用;反过来,利用率不高也可能存在高延迟。建议同时记录:
- I/O请求延迟;
- 读写吞吐量和IOPS;
- 设备队列长度;
- 磁盘错误、重试和文件系统错误;
- 数据库或应用侧的写入等待。
例如,日常延迟基线为5毫秒时,持续升高到15至20毫秒并伴随应用响应时间增加,应进入调查;不能把这个数值作为所有磁盘类型和所有业务的固定故障线。机械盘、网络块存储、SSD以及数据库随机写入场景的正常范围不同。
四、网络与业务服务:从“能Ping”升级到“请求可用”
1. 香港网络质量应使用多地点、多协议验证
网络巡检建议建立三类探针:
- 机房或香港本地探针:判断服务器所在区域的接入和服务监听是否正常。
- 内地代表性访问点:观察不同运营商或地区到香港的延迟、丢包和路由差异。
- 海外业务访问点:仅在业务确实有海外用户时配置,避免无关探针制造告警。
每个探针至少记录DNS解析、TCP连接、TLS握手、HTTP状态码和完整响应时间。ICMP Ping可以作为辅助,但不能因为ICMP被限速或丢弃,就直接认定业务不可用。
网络指标可以按“基线偏离”设定告警:
- 丢包率连续5分钟超过1%进入预警,超过3%且TCP或HTTP请求同步失败时提高等级;
- P95延迟较过去7天同一时段基线升高30%以上,持续5分钟触发预警;
- 带宽使用率连续15分钟超过端口可用带宽的70%进行容量提醒,超过85%需要核对业务峰值和计费口径;
- TCP连接数、半连接数或重传率突然偏离基线时,结合访问量和防护策略判断,不能只凭连接数绝对值报警。
内地到香港的延迟没有统一合格数值,访问运营商、目标地区和路由都会影响结果。验收记录应写清探针位置、运营商、协议、测试时间和P50/P95结果,而不是只写“延迟正常”。
2. HTTP和端口探针要区分故障层次
业务可用性可以按以下顺序判断:
- DNS是否返回预期地址;
- TCP端口是否能够建立连接;
- TLS证书是否有效、域名是否匹配;
- HTTP状态码是否符合预期;
- 响应正文是否包含健康标识;
- 响应时间和错误率是否处于业务阈值内。
例如,端口连接成功但HTTP返回大量5xx,说明主机网络基本可达,应用或上游依赖可能异常;HTTP返回200但正文为空或业务字段错误,则不能视为真正可用。
普通Web服务可将连续3次探针失败设为故障告警,将连续3次成功设为恢复。错误率则应同时考虑请求量:请求量较大时,5分钟内5xx超过1%可预警、超过5%可升级;低流量业务不应只用百分比,可以设置“连续5次失败”或“5分钟内至少3次失败”。
证书到期时间建议提前30天提示,7天进入高优先级。DNS记录、域名证书、源站监听端口和外部探针应统一纳入交付清单,避免证书未过期但域名已经指向错误地址。
五、安全、时间与备份:把“没有发现异常”变成可审计记录
1. 安全事件要监控变化,而不是只做一次检查
服务器巡检中,以下变化适合设置事件告警:
- 新增或删除管理员账号;
- 管理员权限、sudo规则或远程登录配置发生变化;
- 短时间内连续登录失败;
- 非计划的服务启动、停止或二进制文件变化;
- 防火墙、路由、DNS或安全策略发生变更;
- 日志采集停止、日志目录突然变大或时间戳异常。
登录失败阈值应结合办公出口、共享网络和自动化任务判断。比如同一账号在5分钟内失败5次可以预警,但不能仅凭同一IP的失败次数自动封禁,因为多个正常用户可能共享出口地址。安全告警至少应保留账号、来源地址、时间、目标服务、处理人和处置结果。
服务器时间也属于验收项目。主机、监控系统、日志平台和数据库应使用统一时区或明确记录时区,常见做法是统一以UTC存储、在展示层转换;如果团队使用香港时间,也应在记录中固定标注 Asia/Hong_Kong。时间偏差会导致日志排序、证书判断和故障时间线全部失真。对需要严格鉴权或审计的系统,建议将时间偏差超过业务允许范围设置为告警,而不是只在故障后手工比对。
2. 备份监控不能只看“任务成功”
备份对象应单独记录以下指标:
- 最近一次成功时间;
- 备份覆盖的数据范围;
- 备份大小与增量变化;
- 备份任务耗时;
- 目标存储剩余空间;
- 备份文件校验结果;
- 是否满足RPO;
- 最近一次恢复验证时间和结果。
备份任务显示成功,只能说明任务流程没有报错,不代表备份一定可以恢复。高价值业务至少应按既定周期抽取文件、数据库或完整实例进行恢复验证。若业务要求最多允许丢失4小时数据,那么最近成功备份超过4小时就应告警,不能等到第二天的例行检查才处理。
恢复验证要区分“文件能够读出”和“业务能够启动”。数据库恢复后应检查表数量、关键记录和应用连接;文件型业务则要校验目录权限、文件完整性和应用读取结果。恢复测试应记录测试环境,避免直接覆盖生产数据。
六、日常监控与告警安排:实时发现,按日复核
1. 建立三层监控面板
香港服务器的监控不应只有一张CPU图,建议分成三层:

| 监控层 | 主要指标 | 适合发现的问题 |
|---|---|---|
| 主机层 | CPU、负载、内存、Swap、磁盘、inode、I/O、进程、连接数 | 资源耗尽、进程异常、磁盘增长和系统级性能下降 |
| 网络层 | DNS、TCP、TLS、丢包、P95延迟、重传、带宽 | 路由波动、端口不可达、链路拥塞和证书问题 |
| 业务层 | HTTP状态码、响应时间、业务健康字段、队列、数据库连接、错误日志 | 主机正常但业务不可用、依赖服务异常和应用错误 |
主机指标通常可按30秒至1分钟采集,业务探针可按30秒至1分钟执行,日志则按实时或准实时方式采集。采集频率要考虑服务器规模和监控系统负载,不能为了更密集的曲线而让监控代理反过来消耗大量CPU和网络资源。
2. 用持续时间和恢复阈值减少噪声
告警规则建议包含五个要素:指标、阈值、持续时间、告警等级和恢复条件。
例如:
- CPU超过85%持续5分钟才触发;
- 磁盘使用率超过85%立即预警,但连续增长速度超过设定值时升级;
- HTTP探针连续3次失败触发,连续3次成功恢复;
- 证书剩余7天进入高优先级,不需要每分钟重复发送;
- 服务重启在10分钟内达到3次时升级,即使单次重启很快完成也不忽略。
告警降噪还应处理依赖关系。主机断电时,主机上的多个端口、HTTP和数据库探针可能同时失败,可以聚合为一个根因告警,并保留受影响服务列表;但不能简单关闭所有下游告警,否则主机恢复后可能遗漏独立的应用故障。
维护窗口、计划发布和备份时段要提前登记。维护抑制应设置开始时间、结束时间、对象范围和负责人,不能使用长期静默替代规则调整。每周应查看告警数量、重复告警、误报率和未确认告警,必要时修改阈值或增加业务维度。
3. 按固定周期安排巡检与复核
| 周期 | 应检查的内容 | 应留下的记录 |
|---|---|---|
| 实时 | 主机资源、外部探针、服务状态、关键日志、安全事件 | 告警时间、对象、当前值、通知对象和确认状态 |
| 每日 | 过去24小时峰值和P95、磁盘增长、备份结果、服务重启、网络异常 | 日报或巡检表,注明正常、异常、已处理和待跟进事项 |
| 每周 | 告警噪声、容量趋势、异常来源、账户变化、证书期限 | 阈值调整、容量预测、未关闭问题和责任人 |
| 每月或按业务周期 | 恢复验证、权限复核、资产信息、监控覆盖率和应急联系方式 | 恢复结果、权限变更、缺失监控项和复核结论 |
每日检查不等于人工逐台登录服务器。更有效的方式是先查看聚合面板和告警摘要,再对异常主机进行定向核对。对于没有异常的对象,保留自动采集结果即可;对于发生过告警的对象,必须补充影响范围、处理动作和复核数据。
七、记录模板:让每次巡检都能回到同一判断口径
巡检记录至少应包含以下字段:
| 字段 | 填写要求 |
|---|---|
| 时间 | 使用统一时区,记录发现时间、确认时间和恢复时间 |
| 服务器 | 主机名、实例编号、IP或资产编号 |
| 监控对象 | CPU、内存、磁盘、HTTP、备份等具体对象 |
| 当前值 | 记录实际数值、状态码或日志事件,不只写“异常” |
| 基线与阈值 | 写明参考基线、触发阈值和持续时间 |
| 影响判断 | 是否影响用户、哪些服务受影响、是否满足SLO |
| 处理动作 | 谁执行了什么操作,是否涉及变更、清理或重启 |
| 复核结果 | 复核时间、复核值、是否恢复、是否需要继续跟踪 |
| 证据位置 | 监控图表、日志链接、备份报告或工单编号 |
下面是一个简化示例:
| 时间 | 对象 | 当前值 | 阈值 | 处理与复核 |
|---|---|---|---|---|
| 示例10:05 | 数据盘使用率 | 82% | 80%预警 | 核对增长来源和保留策略,未直接删除文件 |
| 示例10:20 | 日志增长速度 | 高于7日均值 | 超过基线30% | 定位到某应用错误日志,转交应用负责人 |
| 示例11:00 | 数据盘使用率 | 82% | 80%预警 | 已安排扩容或按策略处理,复核时间为次日 |
记录的价值不在于表格是否完整,而在于下一位值班人员能够根据同样的指标、基线和阈值复现判断。交付验收完成后,应将验收数据保存为初始基线;运行满7天后再根据业务高峰、低谷和正常波动调整阈值。遇到网络延迟、磁盘增长或应用响应异常时,优先与这份基线比较,并分别从主机、网络和业务层确认,避免用单一指标替代完整判断。

完成首次验收后,建议在24小时、7天和首个业务高峰期各做一次复核:确认资源规格没有变化,外部探针能够持续采集,告警可以送达负责人,备份结果满足RPO,所有异常都有关闭或继续跟踪状态。这样建立的香港服务器巡检记录,才既能支持日常监控,也能在后续故障和服务复盘时说明问题出现的时间、范围与依据。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/4917.html
