监控接管：别出现真空期

迁移当晚所有人的注意力都在业务上，监控系统反而最容易被忘掉。结果就是新机器裸奔：半夜磁盘写满没人收到告警，第二天上班才知道。这个真空期完全可以避免。 真空期怎么产生 两种典型情况。一是老机下线时顺手把老监控一起撤了，新监控还没搭好，中间空几天；二是以为云平台自带的监控就够用，实际只配了 CPU 告警，磁盘、进程、接口可用性全都没覆盖。真空期不长，可事故从不挑时间。接口层的真空可以用云平台的可用性监控临时顶上，配置两分钟就能兜住。 正确做法：并行一周 新监控在迁移前一天部署完毕：探针装好，告警阈值照抄老监控的配置，告警通道（短信、群机器人）实测一遍。切换之后老监控别急着撤，两边并行至少一周，期间重点对比三类指标：CPU 和内存水位、带宽曲线、磁盘增长速度。新机的数据应该和老机同期处在同一量级，偏差明显就要回头查环境差异，而不是归咎于“新机器还没热”。基础告警四件套别缺：CPU 超八成、内存超九成、磁盘超八成、核心进程消失，再加一条接口拨测，每分钟请求一次首页看状态码。 一周之后怎么收 并行一周无异常，老监控下线，历史数据先导出存档，以后排查容量趋势还用得上。新监控上的告警规则做一次复核：该报的能报出去，不该报的别半夜扰人。历史数据用监控平台自带的 CSV 导出按月归档即可，能查能用就行，不必执着导入新平台。 一个容易忽略的点：把新旧监控的告警发到同一个地方。两个群各看各的，等于没有并行，值班的人实际只会盯一个。 监控的本质是替人值夜班，迁移可以停服几分钟，值守不能有空档。新机上线第一晚安排人主动盯一轮曲线，比十条告警规则都踏实。