node_exporter 里最有用的几个指标

node_exporter 对外暴露上千个指标，日常真正需要盯的不过十来个。挑指标的原则是可行动：看得懂、超了知道要干嘛。按资源分类讲几个代表，每个附上常见阈值，配好这些，主机监控就及格了。这些阈值是常见起点，不是标准答案，按业务调整。 一、CPU 相关 node_cpu_seconds_total 是累计计数器，用 irate(node_cpu_seconds_total{mode!="idle"}[5m]) 按核求使用率。整体超过 80% 持续五分钟值得看一眼；mode="iowait" 的占比超过 20%，说明瓶颈多半在磁盘而不是算力。使用率要结合负载看，使用率高而 load 正常，可能只是计算密集，未必异常。多核机器聚合时别把 mode 条件丢掉，不然数字会超过 100%。 二、内存 可用内存用 node_memory_MemAvailable_bytes 除以 node_memory_MemTotal_bytes，低于 10% 告警。注意别直接用 used 判断，Linux 把空闲内存拿去做文件缓存属于正常现象，MemAvailable 已经把这部分算回来了。告警的处置动作要提前想好：重启大户还是扩容，写进告警文案里。顺手把 swap 相关指标加进大盘，swap 被使用就是内存吃紧的信号。 三、磁盘空间与压力 node_filesystem_avail_bytes 按挂载点算剩余，用文件系统类型过滤，ext4 和 xfs 之外的临时挂载一般忽略，低于 20% 提醒、10% 告警；node_disk_io_time_seconds_total 求出的利用率持续在 90% 以上，说明这块盘忙不过来，配合 iowait 一起看。inode 耗尽的症状是磁盘有空间却写不了新文件，node_filesystem_files_free 管这个。磁盘告警的动作通常是清理或扩容，写进告警文案，值班的人不用临场想办法。 四、网络与负载 node_network_receive_bytes_total 和 transmit 一对看流量趋势，有没有异常增长一比便知；流量突增结合访问日志看，多半是爬虫或文件被外链。node_network_receive_errs_total 错误包计数开始增长就要查网卡，指标看趋势，ethtool 看细节。负载用 node_load1 对照核数，超过核数两倍算高。几类指标相互印证，比单看一项可靠得多。 指标配告警才有意义，每条阈值都问一句：超了之后我打算做什么。答不上来的阈值宁可不配，否则只是给值班手机添噪音。