1. 云监控概述：什么是云监控、核心价值与主流平台对比

大家好，我是你们的讲师。今天咱们聊聊云监控。说实话，我见过太多团队，业务跑得飞起，监控却是一片空白。等出了故障，才手忙脚乱地翻日志。嗯，这其实挺危险的。

云监控是什么？说白了，就是给你的云上系统装一套「体检设备」。它能实时采集各种指标——CPU、内存、网络流量、应用响应时间等等。然后告诉你：系统现在健康吗？哪里快扛不住了？

我个人习惯把云监控比作「驾驶舱仪表盘」。你开车不能光看路，还得看油表、水温、转速吧？云监控就是干这个的。

1.1 云监控的核心价值

为什么要搞云监控？我总结了三句话：

• 看得见：系统状态一目了然。哪里慢了、哪里挂了，不用靠猜。
• 防得住：设置告警阈值，问题发生前就收到通知。我在项目中遇到过，有一次半夜磁盘快满了，告警提前10分钟发出来，我们赶在业务中断前清理了空间。
• 查得清：出事后能回溯。日志、指标、链路追踪，三件套一配合，根因分析快得多。

你想想看，如果线上出了故障，你连是CPU爆了还是内存泄漏了都不知道，那得多被动？我曾经接手过一个项目，监控只有简单的ping检测。结果有一次应用进程假死，ping正常，但业务全挂了。排查了整整两个小时……从那以后，我坚持必须做全栈监控。

1.2 主流云监控平台对比

市面上云监控平台很多，我挑三个最常用的聊聊：AWS CloudWatch、阿里云云监控、Prometheus。它们各有千秋，我分别说说我的使用感受。

1.2.1 AWS CloudWatch

CloudWatch是AWS的原生监控服务。如果你用AWS全家桶，它集成得最好。EC2、RDS、Lambda的指标开箱即用。

• 优点：生态完善，告警、日志、仪表盘一体化。支持自定义指标，还能做简单的异常检测。
• 缺点：跨账号、跨区域管理有点麻烦。日志查询语法不太友好，我刚开始用的时候经常写错。
• 价格：按量付费，指标多了费用不低。我记得有一次客户一个月CloudWatch账单超过2000美金，后来我们优化了指标采集频率才降下来。

1.2.2 阿里云云监控

阿里云云监控，国内用户用得很多。它和阿里云产品集成得也不错，尤其是ECS、RDS、SLB这些核心产品。

• 优点：中文界面友好，告警通道丰富（短信、电话、钉钉）。支持自定义监控和日志服务联动。
• 缺点：自定义指标的上限和频率有限制。跨云场景支持较弱。
• 价格：基础监控免费，高级功能按量收费。说实话，阿里云的免费额度对中小企业挺友好的。

我建议：如果你的业务主要跑在阿里云上，直接用它的云监控就够了。没必要再搭一套Prometheus，除非你有特殊需求。

1.2.3 Prometheus

Prometheus是云原生计算基金会（CNCF）的毕业项目，也是Kubernetes监控的事实标准。它和CloudWatch、阿里云云监控不同，是开源方案。

• 优点：灵活、强大。Pull模式采集，支持多维数据模型。PromQL查询语言非常强大，能做出很复杂的聚合分析。
• 缺点：部署和维护成本高。需要自己搭集群、配存储、处理高可用。长期存储是个问题，我一般搭配Thanos或VictoriaMetrics使用。
• 价格：开源免费，但人力成本不低。

我个人习惯：在Kubernetes集群里，Prometheus是标配。但如果是传统虚拟机部署，我会优先考虑云厂商的原生监控。

1.3 三款平台对比表格

特性	AWS CloudWatch	阿里云云监控	Prometheus
部署方式	托管服务	托管服务	自建/托管
数据模型	命名空间+维度	命名空间+维度	指标+标签
查询语言	有限过滤	有限过滤	PromQL（强大）
告警能力	强，支持复合告警	强，多渠道通知	中等，需配合Alertmanager
日志集成	CloudWatch Logs	日志服务SLS	需搭配Loki/ELK
成本	按量付费，较高	基础免费，高级付费	开源免费，运维成本高
适用场景	AWS全栈用户	阿里云全栈用户	Kubernetes/云原生

1.4 如何选择？

这个问题没有标准答案。我一般这样建议：

• 如果你只用一家云厂商，就用它的原生监控。省心、集成好。
• 如果你是多云或混合云，或者跑在Kubernetes上，Prometheus是更好的选择。
• 如果你预算有限，又想灵活控制，Prometheus+Grafana是经典组合。

嗯，这里要注意：不要为了用Prometheus而用Prometheus。我见过一些团队，明明只有几台ECS，非要搭一套Prometheus集群，结果运维成本比监控本身还高。没必要。

好了，这一章就到这里。下一章我们深入讲讲Prometheus的架构和数据模型。到时候我会分享一些我在生产环境中踩过的坑，保证干货满满。