監控伺服器上的可用記憶體和 CPU 使用情況是否有意義？

我正在使用帶有一些主/衛星配置的 Icinga2 監控我的伺服器基礎架構。

在 Linux 和 Windows 主機上，我正在監視預設系統指標，例如 CPU 使用率和可用系統記憶體。在工作節點上，這些值通常可以達到 100%（或 5% 可用 RAM），因此我收到了許多並不真正令人不安的 CRITICAL 警報。

那麼，最好是：

• 只需避免監視可用記憶體和 CPU 使用情況
• 將關鍵警報設置為 0% 的可用記憶體和 100% 的 CPU 使用率
• 繼續監視它們，但沒有收到任何警報
• 簡單地丟棄警報
• 還有什麼？

您需要將監控門檻值調整為對您的特定環境有意義的值。

例如，在計算節點上，我們希望 CPU 使用率為 100%，因此這不是警報的可用門檻值。但是，如果平均負載永遠大於核心數或高 I/O 等待時間，則可能表明存在問題，因此請在這種情況下觀察這些值並相應地設置警報。

除此之外：如果您不使用某個值作為警告門檻值，則無需對其進行監控，但如果需要，您仍可以這樣做以保留使用情況統計資訊。再次：取決於您的環境。

哦，永遠不要有你丟棄的警報。這會導致警報疲勞，並且在某些時候，您可能會忽略重要警報，因為它會淹沒在所有噪音中。如果您不會對警報採取行動，請將其刪除。

引用自：https://serverfault.com/questions/925435