你们在 Web（或 SQL）服务器（Windows 2008）上监控哪些“健康参数”？
RAM、CPU、磁盘空间、事件日志、特定网页、网络……还有？
当达到某个临界点时，比如内存使用率超过 X% 或类似情况，您是否会在所有这些情况上发出警报？
我（或者更准确地说是系统管理员）可以使用 WhatsUp Gold 作为监控工具。但我认为目前几乎没有设置任何警报。
答案1
这取决于服务器实际在做什么。例如，我知道我的 Exchange 2007 服务器将使用大量内存，这就是 Exchange 所做的，它会尽可能地占用内存，因此监控此服务器的高内存使用量会让我整夜难眠，但是我想知道我的磁盘空间是否不足，因为 Exchange 很容易在磁盘空间不足的情况下停止工作。另一方面，我并不真正关心我的打印服务器上的磁盘使用情况。
实际上，您需要查看服务器并确定您需要了解哪些信息、哪些信息对服务器正常运行很重要、哪些信息对于历史或跟踪目的有用以及哪些信息是多余的。确定了哪些信息至关重要后，您确实应该为这些事件设置警报或触发器，如果您不知道什么时候出错，监控又有什么意义呢？
答案2
我刚刚花了几个月的时间研究这个问题。我的研究重点是 Nginx，但原理是一样的，可以应用于任何 Web 服务器（Windows 或其他）。
首先，一些理论：您想要监控整个系统堆栈的指标 - 不仅仅是 Web 服务器应用程序本身，还包括它在其中运行的进程、它所运行的服务器以及服务器所在的托管提供商。您想要监控：
- 潜在的坏事（即可以出现问题——磁盘写满、网络饱和等）
- 实际的坏事（即做过出错）
- 好事（具体来说，当它们不再发生时——例如访问/checkout）
第二，监控什么。我将其归结为以下 14 项。具体情况可能有所不同，具体取决于具体的安装/服务器软件，但我认为这些原则无论如何都适用：
- 每秒请求数（活动量）
- 响应时间（性能）
- 活动连接（活动量
- 响应代码（2xx、3xx、5xx 及其相对分布）
- 处理文件句柄（这是 Nginx 特有的，与最大工作线程数和可能的连接数有关）
- 进程状态（服务器应用程序是否处于活动状态？）
- 服务器状态（服务器本身是否处于活动状态？）
- 服务器平均负载（服务器是否健康？）
- 服务器网络使用情况（带宽是否足够？）
- 磁盘空间（日志/缓存的空间）
- 托管服务提供商状态（AWS 宕机 == 您的服务器宕机）
- DNS 过期（DNS 过期 = 您的服务器将关闭）
- SSL 证书过期（证书过期 = 您的服务器将宕机）
- 用户活动（关键页面 - 它们是否正在被查看并返回 200 OK？）
如果感兴趣的话可以在这里查看完整详情：
[披露：我与 Scalyr 公司有关联，该公司提供链接指南，我也是为该公司编写该指南的。]
答案3
监控的目的是与基线进行比较。如果你不知道这是否正常，那么知道你的磁盘使用率为 90% 和带宽为 10GB/天是没有意义的。
基本上，尽可能便宜地获取所有数据（所有 RAW 数据应该相当便宜），记录基线，这将帮助您检测异常。异常包括程序出错并占用所有磁盘空间、内存泄漏增加内存使用量、登录用户数量相同但进程数量增加一倍等。
最重要的是你能从原始数据中收集到什么，并且经常记录这些数据的样本。如果你的磁盘空间增长非常缓慢，那么磁盘空间采样不需要每五分钟进行一次。
答案4
我监控 CPU、磁盘空间、CPU 队列、ping（检查机器是否启动）、IIS 服务是否正在运行，我调用 ASPX 页面以确保 .NET 正常运行。我像用户一样输入用户名和密码登录应用程序，以确保页面加载并且不会抛出 500 或超时。
我通常不监控内存使用情况，因为内存使用率通常为 100% 或接近 100%。IIS 在保持内存正常方面做得不错，并且默认情况下 IIS 每天左右都会重新启动应用程序池，以清除任何残留内容。
我倾向于不监控磁盘 IO，因为它可能在其他地方。在某些系统（SQL、Exchange 等）上，我会跟踪每个驱动器的磁盘队列，但阈值非常高。系统会出现峰值，所以我只想知道它们是否会变得很糟糕。