没有专职 DevOps 的中小企业基础设施监控：5 个关键信号

客户在聊天里说：「柜打不开」。管理员在休假。主机商面板是绿的：「服务器能 ping」。一小时后才发现——不是「硬件坏了」，而是登录柜失败，核算服务器磁盘昨天已到 98%。对 30–150 人、没有专职 DevOps 的办公室，这很典型：纸面上有监控，第一个信号却来自人，而不是系统。

下面给中小企业 CEO 和 IT 管理员一个框架：把 没有 DevOps 的基础设施监控 收敛成五个会在客户来电前叫醒你的信号。不要「为好看」的 Grafana，也不承诺「银行级」。

要点。 先做五个信号：营收/核算路径不可用、磁盘将满、备份沉默、延迟与错误上升、SSL/许可证到期。三条 Telegram 告警，胜过一百张无人负责的图表。

为什么「服务器能 ping」不是监控

Ping 和「首页能开」看不见：

• 柜或核算 Web 返回 500，前台仍是绿的；
• 磁盘满了——明天早上库不收单据；
• 夜间备份连续两周失败，面板勾选还在撒谎；
• SSL 在周末过期——浏览器用红锁吓唬客户。

面向网站生产指标（延迟、错误、容量余量）见 生产监控：4 项指标。本文焦点不同：没有专职 SRE 的中小企业基础设施——核算服务器、访问、备份与到期。

信号 1. 营收或核算路径不可用

先答：从外部检查的不是「服务器活着」，而是业务丢钱或停工的 URL——客户柜、支付、核算 Web、线索表单。

每 1–5 分钟一次外部探测（UptimeRobot、Better Stack、主机监控或简单脚本），非 200 或超时就打进 Telegram。选 两到三个 URL，不要二十个。告警用真人名：「客户柜」，不要 IP。

若仍从客户聊天才知道宕机——这个信号还不存在，即使主机商写着「可用性 99.9%」。

信号 2. 磁盘将满

先答：磁盘写满拖垮核算、邮件和网站，比「CPU 坏了」更安静、更常见。阈值不是 99%，而是占用 80–85%，并留出一天日志与备份的增长空间。

对核算、网站库、文件共享服务器设「磁盘 >85%」告警。没有 DevOps 时，常常是主机自带探针或开箱 Zabbix/Netdata + Telegram。成本是管理员一小时；沉默的成本是库停一天。

信号 3. 备份沉默或失败

先答：要告警的是 「N 小时内没有成功备份」 或任务失败——不是「任务已计划」。否则「我们都备份了」会活到第一次真事故。

3-2-1 与恢复演练见 中小企业备份与容灾。监控在这里是守夜人：副本没出来，今天就有人知道，而不是勒索软件那天。

信号 4. 业务路径变慢与报错

先答：盯与信号 1 相同 URL 上的 5xx 占比与响应时间。「平均很快」会骗人——要看最差情况和错误飙升。

中小企业起步阈值：明显比例的请求超过 2–3 秒，或 5xx 飙升——「一小时内重要」告警。再衔接到投放高峰前的 压测：监控抓劣化，压测证明余量。

信号 5. 到期：SSL、域名、许可证

先答：没有 DevOps 时，日历炸弹常在周末炸开。在 SSL、域名、核算许可证或关键 SaaS 到期前 30 / 14 / 7 天提醒。

这不是「服务器指标」，但是基础设施监控的一部分：没有它，老板会从客户截图「连接不安全」才知道。维护一张到期表 + 机器人/日历，并升级到两个人。

告警发到哪里、叫醒谁

关键告警要有两个负责人（主 + 备）。一个人休假且无替补 = 监控等于关掉。关于你到底需要多少个「9」，见 SLA 99.9% vs 99.99%。

沉默的成本

中小企业量级：网站或核算停一小时，常见 5–20+ 万卢布 的营收与人力损失；停一整天是另一个数量级。五信号基础栈启动通常几万卢布、外部探测几乎零成本——比一次「安静事故」便宜。完整算法见 宕机一小时值多少钱。

清单：没有 DevOps 的基础设施监控

何时该请 DevOps，而不是「再加一个免费监控」

五个信号解决「别从聊天才知道」。下一阶段：投放高峰、多站点、对客户合同 SLA，或 7×24 值班。那时需要统一仪表盘、error budget 和真正的 DevOps 体系——不是第十个 Telegram 机器人。

若上面清单已经发红：本周先上营收路径、磁盘与备份告警，其余一个月内补齐。需要协助搭建——评估任务或联系 @MozziDev。