监控指标不在于多，而在于“精准”
运维中最大的误区，是把所有能采集的指标都塞进监控系统——结果告警泛滥、噪音压过信号。真正影响业务可用性的关键指标其实很窄：CPU 持续高负载 + 进程阻塞、内存 available 低于 500MB、SwapUsed 非零、磁盘 %util >80% 且 await >50ms、网络重传率 retrans >1%。这些才是该立刻响应的信号。
为什么只盯这几个？因为它们直接对应服务中断或响应超时的物理原因。比如 await 高但 %util 低，说明不是磁盘忙，而是队列深或IO路径卡在驱动/控制器层——这时加磁盘没用，得查 smartctl 或 dmesg | grep -i "nvme\|ata"。
必须结合上下文看指标，不能孤立判断
单独一个 %wa（iowait）>20%，不代表磁盘出问题；如果此时 free -h 显示 available 只剩 200MB，那大概率是内存不足触发了内核频繁回收 page cache，进而导致读文件变慢——本质是内存瓶颈，不是IO瓶颈。
常见误判场景：
-
load average高但%idle也高：典型 IO 等待，vmstat 1看b（blocked 进程数）和wa列确认 -
top里%us占 95%，但pidstat -u 1发现全是java进程：不是异常，是应用正常计算；但若同一进程%sys也飙升，就要查是否在频繁read()/write()小包 -
si/so（swap in/out）每秒 >10MB：说明已进入内存严重不足状态，smem -s rss -r | head -5找真实吃内存的进程，而不是只看ps aux --sort=-%mem
阈值必须匹配硬件规模和业务特征
4 核机器的 load average 警戒线不是固定值，而是 nproc × 0.7 ≈ 2.8；8 核服务器跑数据库，%sys 常态 25% 是合理的（大量 buffer 管理、页回收），但对 Web 服务来说就偏高。
XYCMS建站系统PHP版非MVC框架,自己手写原生态普通代码，作为企业用，已经绰绰有余。软件运行效率中等，加入数据缓存后性能提高。假如用来学习，下载可以慢慢研究的，假如用来建站，可以选择购买商业版就行建站用。栏目类别：文章，人员信息，专题项目，招聘，下载，相册，单页【支持无限极分类】文章：可用作添加新闻，资讯，列表信息类栏目信息人员信息：可用作企业员工信息栏目内容添加或者维护专题项目：可用作企业
实操建议：
- 用
sar -q 1 300（采样 5 分钟）代替单次uptime，避开瞬时毛刺 - 对 Java 应用，
jstat -gc的FGCT（Full GC 次数）比堆内存使用率更有预警价值——GC 频繁但堆未满，说明对象生命周期设计有问题 - SSD 场景下，
iostat -x 1中的svctm已无意义，重点盯r_await/w_await和aqu-sz（平均队列长度）
避免“指标幻觉”：有些数字天生不可靠
%idle 在超线程 CPU 上可能虚高；free 输出的 used 包含 buff/cache，直接拿它除以总内存算“使用率”会误判；top 默认显示的 CPU 使用率是所有核心加权平均，掩盖单核 100% 卡死的问题。
所以必须交叉验证：
- 怀疑单核瓶颈？用
mpstat -P ALL 1看每个核心的%usr - 不确定内存是否真紧张？
cat /proc/meminfo | grep -E "MemAvailable|Cached|SReclaimable"，用MemAvailable值为准 - 网络丢包疑云？别只信
ifconfig的errors，跑ethtool -S eth0 | grep -i "drop\|error"查驱动层真实丢弃计数
最常被忽略的一点：所有指标采集本身有开销。高频轮询 /proc 文件（如每秒多次 pidstat）可能让本就不堪重负的系统雪上加霜——监控频率要和业务 SLA 对齐，不是越密越好。
