华为云实名账号批发 华为云监控报警自定义
你有没有过这种经历——半夜三点，手机狂震，弹出一条华为云告警：「ECS实例CPU使用率持续5分钟＞95%」。你一个鲤鱼打挺坐起来，抓起电脑连上跳板机，心一沉：这台机器明明上周就下线了，监控还在那儿兢兢业业地报空警。
又或者，业务高峰期，告警像春节鞭炮一样噼里啪啦炸个不停，微信、邮件、短信三路夹击，你一边关静音一边骂：「能不能别一有风吹草动就全员广播？！」
再比如，你辛辛苦苦配好一条内存使用率超80%就发企业微信通知的规则，结果等了一周，啥动静没有……最后发现——哦，原来监控采集粒度是5分钟，而你的业务峰值只撑了90秒，压根没被采到。
别急，这不是玄学，是「华为云监控报警自定义」这门手艺，还没被你真正驯服。
一、先搞清一个底层真相：监控 ≠ 报警，报警 ≠ 告警
很多同学上来就点「创建告警规则」，结果越配越懵。其实华为云监控体系里，这仨词是分层的：
- 监控（Monitoring）：默默干活的“眼睛”，负责定时采集指标（CPU、内存、磁盘IO、API响应延迟等），存进时序数据库；
- 报警（Alerting）：带脑子的“哨兵”，它读监控数据，按你写的规则做判断——不是所有异常都要喊人；
- 告警（Notification）：嘴快的“通讯员”，只负责把哨兵判定的结果，用你指定的方式（短信/邮件/企微/钉钉/API回调）吼出去。
换句话说：监控不报警，报警不告警，告警不等于该处理——中间每一步，都得你亲手拧紧螺丝。
二、四步搞定一条靠谱的自定义告警规则（附避坑清单）
Step 1｜选对监控对象：别在“已销毁”的EC2上盯CPU
进入「云监控 → 告警管理 → 创建告警规则」，第一步选资源。这里有个隐形陷阱：华为云默认展示“全部资源”，但很多资源（尤其是测试环境临时建的ECS、RDS）可能已被删除或退订，却还躺在列表里。你选中它，规则能保存，但永远不触发——因为没数据可采。
✅ 正确姿势：勾选「仅显示有效资源」，或直接在搜索框输入实例ID精确匹配；更稳妥的，是先去「资源管理 → 资源列表」确认该资源状态为「运行中」或「可用」。
Step 2｜挑准指标 & 设置阈值：别信“80%很安全”这种江湖传说
比如选「ECS-基础监控-CPU使用率」，很多人直接填「>80%」。但问题来了：是瞬时值？平均值？还是连续N次超标？
华为云提供三种判断模式：
• 持续周期内满足条件（推荐！）：比如「过去5分钟，CPU使用率持续＞85%」——这意味着每1分钟采一次，连续5次都＞85%，才触发；
• 单次采样满足条件：某一次采集值＞85%，立刻告警——适合秒级抖动敏感场景，但极易误报；
• 统计周期内满足条件：比如「过去10分钟内，CPU均值＞85%」——适合看趋势，但会掩盖尖峰。
⚠️ 血泪教训：我们曾给一个批处理任务配了「单次＞90%」，结果它每小时跑一次、每次飙到98%两秒就回落，一天收144条告警，运维群名被迫改成《CPU尖叫俱乐部》。
Step 3｜通知渠道：别让告警卡在“发送中”
华为云支持短信、邮件、企业微信、钉钉、HTTP回调五种通道。但实测发现：
- 短信有日限额（新账号默认20条/天），超了直接静音；
- 邮件可能进垃圾箱（建议把[email protected] 加白名单）；
- 企业微信需提前在「消息通知 → 企业微信机器人」配置Webhook，且机器人必须开启「自定义关键词」，否则发不出去（关键词建议设为「告警」或「ALERT」）；
- HTTP回调最灵活，但千万别写死IP——我们曾把回调地址写成测试环境内网IP，生产告警全失败。
Step 4｜静默与抑制：高级玩家的呼吸感
真正的高手，不是不让告警响，而是让它「该响时震耳欲聋，该睡时呼吸可闻」。
静默（Silence）：主动暂停——比如每周三凌晨2点自动维护，提前半小时静默所有数据库告警，维护完自动恢复；
抑制（Inhibition）：被动屏蔽——比如「主库宕机告警」激活时，自动抑制所有从库「复制延迟高」告警，避免噪音轰炸。
这两项藏得深（在告警规则页右上角「更多」→「静默管理」「抑制规则」），但一旦用熟，你会觉得以前的自己像在用拨号上网。
华为云实名账号批发 三、三个高频翻车现场 & 救命口诀
❌ 翻车1：告警规则显示“启用”，但死活不发通知
口诀：查三环——采集环（监控是否开启）、判断环（规则是否命中）、推送环（通知渠道是否正常）
用「告警历史」页筛选该规则，点开任一记录看「触发详情」：如果状态是「未触发」，说明数据没达标；如果是「已触发但未通知」，立刻跳转「通知管理」查通道健康度。
❌ 翻车2：同一个指标，不同时间触发频率差十倍
口诀：盯粒度——监控采集间隔 × 统计窗口 = 实际检测灵敏度
ECS基础监控默认5分钟采一次，如果你设「持续1分钟＞90%」，理论上永远不成立（因为压根没有1分钟粒度数据）。正确做法：要么改用「应用运维管理AOM」接入秒级监控，要么把条件改成「持续5分钟＞90%」。
❌ 翻车3：告警内容太笼统，根本不知道去哪修
口诀：加字段——在通知模板里塞实例ID、地域、项目名、触发时间戳
默认模板只有「资源名称+指标+数值」，建议编辑模板加入：{{resource_id}} {{region}} {{project_name}} {{trigger_time}}。某次线上故障，靠ID直接定位到深圳AZ3的那台老古董Redis，10分钟止损。
四、终极建议：把告警当产品来运营
最后送你一句我们团队贴在工位上的标语：“每一条告警，都应该有人看过、理解过、闭环过。”
建议每月做一次「告警健康度审计」：统计TOP5高频告警，问三个问题：
① 它真的需要人工介入吗？（能否自动修复？）
② 它的信息足够定位根因吗？（要不要加日志上下文？）
③ 它的接收人现在还负责这块吗？（别让离职同事的手机号继续收短信）
监控不是摆设，报警不是负担，而是你和系统之间最诚实的对话。当它开始说人话，你就离稳如泰山不远了。
（全文完。下次凌晨三点手机再震，希望你摸着黑就能说出：「哦，是那个静默没生效，我马上切过去看。」）
