先给结论
监控至少盯六类：站点可用性、响应耗时、证书有效期、磁盘空间、备份任务结果与域名解析。告警按影响面分级，全站不可用为紧急，局部问题与证书临期为重要，趋势类问题为提示，避免所有告警一个级别。
该盯哪些指标
| 监控项 | 关注什么 | 异常时的典型现象 |
|---|---|---|
| 站点可用性 | 页面能否正常返回 | 请求失败、超时、打不开 |
| 响应耗时 | 耗时趋势是否明显变差 | 页面越来越慢、接口超时 |
| SSL 证书 | 到期时间与证书链状态 | 浏览器安全提示、临期预警 |
| 磁盘空间 | 剩余容量与增长速度 | 写入失败、日志占满导致服务异常 |
| 备份任务 | 任务是否成功、产物是否生成 | 备份中断却无人知晓 |
| 域名解析 | 解析是否生效、是否被改动 | 域名突然打不开或指向异常 |
告警分级的三条原则
- 按影响面分级：全站不可用是紧急；登录、表单等核心功能异常是重要；磁盘增长、证书临期等趋势问题是提示。
- 每级都有对应动作：紧急告警要有人立即处理，重要告警纳入当天跟进，提示类告警进周期性巡检。
- 控制告警数量：阈值设置要贴合业务波动，重复告警做收敛，否则告警太多会被人忽略，等于没有监控。
监控之后还要做什么
告警只是起点，配套还要有：清晰的值班与接手方式、每个告警对应的处理说明、告警后的记录与复盘。没人接收、没人跟进的告警没有价值。监控项也要随站点变化调整，比如新增了子域名或新组件，就要补上对应检查。
星梦曜科技在运维托管服务中会按站点实际结构确定监控清单与分级方式。
常见问题
监控频率设多少合适？
按业务重要程度分层：核心入口检查要密，边缘页面可以疏。频率过高会产生大量无意义告警，过低则发现问题时影响已经扩散，需要在两者之间取得平衡。
为什么告警很多却还是出事？
常见原因是告警级别没有区分，所有人对所有告警同等对待，最终选择忽略。分级明确、每级有对应动作，告警才能真正驱动处理。
磁盘快满了应该怎么处理？
先定位增长来源：日志、上传文件还是备份堆积，再按情况清理、压缩或调整保留策略，同时调高监控阈值避免再次临近上限。日常应关注增长趋势而非只看当前数值。
证书监控为什么重要？
证书过期会直接触发浏览器安全提示，用户会流失，搜索引擎抓取也会受影响。把到期时间纳入监控，可以在过期前完成续期与部署。