B4 的监控要点：硬件层也要看

发布时间:2026-06-10 13:55

云服务器的监控做到系统层基本够用，物理机还要往下多看一层：硬件本身。B4 的硬盘、温度、电源都是真实设备，损坏需要人工处理，提前发现异常趋势的价值远大于事后抢修。监控分三块说。 一、温度与散热 CPU 和主板温度长期偏高，是降频与硬件老化的头号推手。系统内装上 lm-sensors 后，sensors 命令直接读出各路温度，重点看各 CPU 核心与主板数值，满负载时应在厂商阈值以内。把 sensors 挂进定时任务，超过阈值就告警，比人肉巡检可靠。温度异常升高往往先于故障出现：风扇转速下降、机房空调波动、导热硅脂老化，都会先在温度曲线上留痕。阈值可以参考：多数服务器 CPU 满载控制在八十五度以内比较稳妥，持续接近上限就要查散热和负载来源。 二、SMART：硬盘的体检报告 SMART（硬盘自监测报告）是每块盘自带的健康档案，常用三条命令：smartctl -H /dev/sda 看总体健康结论，不过 PASS 不等于没问题；smartctl -A /dev/sda 看关键属性，重映射扇区数与待映射扇区数持续增长是换盘前兆；smartctl -t short /dev/sda 发起短测，配合每周定时执行。任何一块盘的异常属性出现增长，就该安排数据迁移和换盘——RAID 能扛一次盘坏，扛不住两块同时坏。多盘机器给每块盘单独立项监控，盘位、序列号、健康状态对应清楚，坏盘时直接定位到槽位。 三、带外告警 带外管理通道（BMC，基板管理控制器）独立于操作系统，机器断电、系统挂死时它仍然在线，电源故障、温度越限、风扇异常这类硬件级告警从它上报最可靠。确认带外告警已接入通知渠道，与系统层的监控脚本互为备份。带外通道本身也要监控：管理口失联的机器等于硬件告警失明，定期探测一次管理地址即可。 硬件监控的节奏建议这样定：温度分钟级、SMART 属性每天看、短测每周跑、人工巡检每月做。四层叠起来，B4 的硬件状态基本不会再给你惊喜。