运维与监控

This content is not available in your language yet.

监控不先上重型平台，先把「这台机器现在健康吗」变成一条可重复的巡检路径。本页给最小清单，再谈什么时候升级到集中式。

指标采集

起步阶段系统自带工具就够：vmstat/pidstat 看资源趋势，ss -s 看连接规模，systemd-cgtop 看服务级占用。要留存历史再上采集器（如 PCP 或你现有的 Prometheus 栈），采集器怎么部署属于通用运维范畴，见枢纽站的监控实践。

每天的例行巡检可以全部用系统内建工具完成：journalctl 收当日错误日志、systemctl --failed 收挂掉的服务、dnf updateinfo 核对安全公告（官方勘误文档记载 dnf updateinfo --list 可列出公告清单）：

journalctl -p err --since today
systemctl --failed
dnf updateinfo --list

这三条覆盖「出过错没有、有没有服务挂着、有没有该打的安全补丁」，是运维视图的最小闭环。

单机 journal 走 journald 的持久化配置（Storage=persistent），多机环境再用 rsync/vector/beats 类工具往外送。保留期按合规要求定，磁盘给日志留出独立分区或容量上限（SystemMaxUse），避免日志把系统盘吃满。

先给三类信号定阈值：磁盘余量、关键服务状态、安全公告级别（对接勘误跟踪的 Critical/Important）。阈值宁可先松后紧——虚报告诉的噪音会很快让告警渠道失效。

告警触发后的定位顺序固定：服务状态 → 本机日志 → 最近变更（更新、配置、内核切换）。命令层面的排障方法见枢纽站的排障方法论；仓库类报错直接看仓库故障排障。