VPS 监控系统搭建完全指南：Prometheus + Grafana + Alertmanager 从零到生产环境

Table of Contents

写在前面：为什么你的 VPS 需要一套正经监控系统

很多站长在 VPS 上跑着业务，服务器状态全靠”感觉”——感觉今天网站慢了，感觉磁盘快满了，感觉 CPU 负载有点高。等到真正出问题的时候，往往是网站已经挂了几个小时，用户投诉了才手忙脚乱地登录上去看日志。这种”佛系运维”在小站时代或许还能凑合，但只要你的站点有一定流量，或者跑了多个服务，一套自动化的监控告警系统就是刚需。

开源监控方案里，Prometheus + Grafana 的组合是目前社区最主流的选择。Prometheus 负责采集和存储时序数据，Grafana 负责可视化展示，Alertmanager 负责告警推送。三者配合默契，而且全都免费开源，跑在 512MB 的小鸡上也能流畅运行。本文会从零开始，手把手教你在 VPS 上搭建完整的监控栈，并集成 Telegram 告警通知。

监控仪表盘概念图

一、架构概览：这套监控系统由哪些组件组成

在开始动手之前，我们先搞清楚整个系统的架构和工作流程。这样可以避免”知其然而不知其所以然”的尴尬。

核心组件

组件	功能	资源占用
Prometheus Server	时序数据库，负责拉取指标数据并存储	内存 ~150MB，磁盘视保留策略而定
Node Exporter	部署在被监控机器上，暴露系统指标	内存 ~20MB，CPU 几乎无感
Grafana	可视化面板，接入 Prometheus 数据源	内存 ~80MB，含 SQLite 和面板渲染
Alertmanager	接收告警规则触发的事件，负责路由和去重	内存 ~30MB

数据流

Node Exporter 每 15 秒采集一次系统指标（CPU、内存、磁盘、网络等），暴露在 HTTP 端点上。Prometheus Server 定期从这些端点拉取数据（pull 模式），存入本地的时序数据库。Grafana 通过 PromQL 查询 Prometheus 中的数据，绘制成可视化图表。Alertmanager 接收 Prometheus 触发的告警，根据规则路由到 Telegram、邮件等渠道。

这种 pull 模式的设计有一个显著优势：你不需要在被监控机器上安装 Agent（除了 Node Exporter 这个只读指标暴露器），监控端完全掌控采集节奏，不会因为被监控端异常而导致数据丢失。被监控机器即使挂了，Prometheus 也能通过”最后一次拉取失败”这一事实来触发告警。

二、安装 Prometheus Server

Prometheus 官方提供了预编译的二进制包，安装非常简洁。我们直接下载最新稳定版。

下载与解压


1
2
3
4
5
cd /opt

wget https://github.com/prometheus/prometheus/releases/download/v2.53.0/prometheus-2.53.0.linux-amd64.tar.gz

tar xzf prometheus-2.53.0.linux-amd64.tar.gz

mv prometheus-2.53.0.linux-amd64 prometheus

cd prometheus

创建系统用户

从安全角度考虑，不要让 Prometheus 以 root 身份运行：


1
2
3
4
useradd --no-create-home --shell /bin/false prometheus

mkdir -p /data/prometheus

chown prometheus:prometheus /data/prometheus

chown -R prometheus:prometheus /opt/prometheus

配置文件

编辑

1	/opt/prometheus/prometheus.yml

，这是最简可用的配置：


1
2
3
4
5
6
7
8
9
10
11
12
global:

  scrape_interval: 15s

  evaluation_interval: 15s



scrape_configs:

  - job_name: 'prometheus'

    static_configs:

      - targets: ['localhost:9090']



  - job_name: 'node'

    static_configs:

      - targets: ['localhost:9100']

这里

1	scrape_interval

表示每 15 秒拉取一次指标，

1	evaluation_interval

表示每 15 秒评估一次告警规则。

1	scrape_configs

中定义了两个 job：一个是 Prometheus 自身（暴露自身运行指标），另一个是 Node Exporter。后面加了新机器，只需在

targets

列表里追加 IP 即可。

Systemd 服务

创建

1	/etc/systemd/system/prometheus.service

：


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
[Unit]

Description=Prometheus

After=network.target



[Service]

User=prometheus

Group=prometheus

Type=simple

ExecStart=/opt/prometheus/prometheus \

  --config.file=/opt/prometheus/prometheus.yml \

  --storage.tsdb.path=/data/prometheus \

  --web.console.templates=/opt/prometheus/consoles \

  --web.console.libraries=/opt/prometheus/console_libraries

Restart=always



[Install]

WantedBy=multi-user.target

启动并设为开机自启：


1
2
3
systemctl daemon-reload

systemctl enable --now prometheus

systemctl status prometheus

确认 Prometheus 正常运行后，访问

1	http://你的VPS_IP:9090

，应该能看到 Prometheus 的 Web UI。在”Status → Targets”页面可以确认所有目标是否处于 UP 状态。

三、部署 Node Exporter

Node Exporter 负责采集系统层面的指标，是整套监控系统的”眼睛”。

安装


1
2
3
4
5
6
cd /opt

wget https://github.com/prometheus/node_exporter/releases/download/v1.8.2/node_exporter-1.8.2.linux-amd64.tar.gz

tar xzf node_exporter-1.8.2.linux-amd64.tar.gz

mv node_exporter-1.8.2.linux-amd64 node_exporter

useradd --no-create-home --shell /bin/false node_exporter

chown -R node_exporter:node_exporter /opt/node_exporter

Systemd 服务


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
cat > /etc/systemd/system/node_exporter.service << 'EOF'

[Unit]

Description=Node Exporter

After=network.target



[Service]

User=node_exporter

Group=node_exporter

Type=simple

ExecStart=/opt/node_exporter/node_exporter \

  --collector.logind \

  --collector.systemd \

  --collector.processes \

  --web.listen-address=:9100

Restart=always



[Install]

WantedBy=multi-user.target

EOF



systemctl daemon-reload

systemctl enable --now node_exporter

这里启用了几个有用的 collector：

logind

监控登录会话，

systemd

监控 systemd 服务状态，

processes

监控进程数量和状态。如果你的 VPS 内存非常紧张（512MB 以下），可以去掉

1	--collector.processes

来节省一点资源。

验证 Node Exporter 是否正常工作：


1
curl http://localhost:9100/metrics | head -20

如果返回了一大堆以

# HELP

和

# TYPE

开头的指标数据，说明采集成功。现在回到 Prometheus 的配置，如果之前已经加上了

1	localhost:9100

，Prometheus 会自动开始拉取数据。

四、安装配置 Grafana

Grafana 负责将 Prometheus 里枯燥的时序数据变成可视化的仪表盘。

安装（Ubuntu/Debian）


1
2
3
4
5
apt-get install -y software-properties-common

wget -q -O - https://packages.grafana.com/gpg.key | apt-key add -

add-apt-repository "deb https://packages.grafana.com/oss/deb stable main"

apt-get update

apt-get install -y grafana

CentOS/RHEL 用户


1
2
3
4
5
6
7
8
9
10
11
12
cat > /etc/yum.repos.d/grafana.repo << 'EOF'

[grafana]

name=grafana

baseurl=https://packages.grafana.com/oss/rpm

repo_gpgcheck=1

enabled=1

gpgcheck=1

gpgkey=https://packages.grafana.com/gpg.key

sslverify=1

sslcacert=/etc/pki/tls/certs/ca-bundle.crt

EOF

yum install -y grafana

启动 Grafana


1
2
systemctl enable --now grafana-server

systemctl status grafana-server

Grafana 默认监听 3000 端口。访问

1	http://你的VPS_IP:3000

，默认用户名和密码都是

admin

，首次登录会要求修改密码。

连接 Prometheus 数据源

登录 Grafana 后，点击左侧齿轮图标 → “Data Sources”
点击 “Add data source” → 选择 “Prometheus”
在 URL 一栏填入
1
http://localhost:9090
点击底部的 “Save & Test”，看到绿色提示 “Data source is working” 即表示连接成功

导入 Node Exporter 仪表盘

Grafana 社区有大量现成的仪表盘模板，我们不需要从头画图表。Node Exporter 最流行的仪表盘 ID 是 1860（作者：rfrail3，专为 Node Exporter 设计）。

在 Grafana 左侧菜单选择 “+” → “Import”
在 “Import via grafana.com” 输入框里填入
1
1860

，点击 “Load”
选择刚才创建的 Prometheus 数据源，点击 “Import”

几秒钟后，你就能看到 CPU 使用率、内存占用、磁盘 IO、网络流量、系统负载、进程数等几十个指标的实时图表。这个仪表盘非常全面，涵盖了日常运维需要关注的几乎所有系统指标。

Grafana 仪表盘示意图

五、配置告警：当服务器出问题时第一时间通知你

监控数据再好看，如果没人盯着看就失去了意义。告警功能才是监控系统的灵魂。当 CPU 持续飙高、磁盘快满、服务宕机时，我们需要第一时间收到通知。

安装 Alertmanager


1
2
3
4
5
6
cd /opt

wget https://github.com/prometheus/alertmanager/releases/download/v0.27.0/alertmanager-0.27.0.linux-amd64.tar.gz

tar xzf alertmanager-0.27.0.linux-amd64.tar.gz

mv alertmanager-0.27.0.linux-amd64 alertmanager

useradd --no-create-home --shell /bin/false alertmanager

chown -R alertmanager:alertmanager /opt/alertmanager

配置 Telegram 告警

首先创建一个 Telegram Bot，获取 Token。在 Telegram 中搜索 @BotFather，发送

/newbot

，按提示创建一个新 Bot，拿到 HTTP API Token（格式类似

1	123456789:ABCdefGHIjklmNOPqrsTUVwxyz

）。然后搜索你的 Bot 用户名，发送

/start

，再访问以下 URL 获取 Chat ID：


1
https://api.telegram.org/bot&lt;你的Token&gt;/getUpdates

在返回的 JSON 中找到

chat.id

字段。

编辑

1	/opt/alertmanager/alertmanager.yml

：


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
global:

  resolve_timeout: 5m



route:

  group_by: ['alertname']

  group_wait: 30s

  group_interval: 5m

  repeat_interval: 4h

  receiver: 'telegram'



receivers:

- name: 'telegram'

  telegram_configs:

  - bot_token: 'YOUR_BOT_TOKEN'

    chat_id: YOUR_CHAT_ID

    send_resolved: true

    parse_mode: 'HTML'

    message: |

      {{ if eq .Status "firing" }}🚨 <b>告警触发</b>{{ else }}✅ <b>告警恢复</b>{{ end }}

      <b>告警名称：</b>{{ .GroupLabels.alertname }}

      <b>严重级别：</b>{{ .CommonLabels.severity }}

      <b>触发时间：</b>{{ .StartsAt.Format "2006-01-02 15:04:05" }}

      <b>详情：</b>{{ .CommonAnnotations.summary }}

      {{ .CommonAnnotations.description }}

创建 Systemd 服务：


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
cat > /etc/systemd/system/alertmanager.service << 'EOF'

[Unit]

Description=Alertmanager

After=network.target



[Service]

User=alertmanager

Group=alertmanager

Type=simple

ExecStart=/opt/alertmanager/alertmanager \

  --config.file=/opt/alertmanager/alertmanager.yml \

  --storage.path=/data/alertmanager

Restart=always



[Install]

WantedBy=multi-user.target

EOF



systemctl daemon-reload

systemctl enable --now alertmanager

在 Prometheus 中定义告警规则

创建

1	/opt/prometheus/alert_rules.yml

：


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
groups:

- name: node_alerts

  interval: 15s

  rules:

  - alert: HighCPUUsage

    expr: 100 - (avg by(instance) (rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100) > 80

    for: 5m

    labels:

      severity: warning

    annotations:

      summary: "CPU 使用率超过 80%（当前值：{{ $value | humanizePercentage }}）"

      description: "实例 {{ $labels.instance }} 的 CPU 使用率持续 5 分钟超过 80%，请检查是否有异常进程。"



  - alert: HighDiskUsage

    expr: (1 - (node_filesystem_avail_bytes{mountpoint="/"} / node_filesystem_size_bytes{mountpoint="/"})) * 100 > 85

    for: 5m

    labels:

      severity: warning

    annotations:

      summary: "磁盘空间使用率超过 85%（当前值：{{ $value | humanizePercentage }}）"

      description: "实例 {{ $labels.instance }} 的根分区磁盘使用率已超过 85%，请及时清理或扩容。"



  - alert: DiskFull

    expr: (1 - (node_filesystem_avail_bytes{mountpoint="/"} / node_filesystem_size_bytes{mountpoint="/"})) * 100 > 93

    for: 2m

    labels:

      severity: critical

    annotations:

      summary: "磁盘空间即将耗尽（当前值：{{ $value | humanizePercentage }}）"

      description: "实例 {{ $labels.instance }} 的根分区使用率已超过 93%，有宕机风险！"



  - alert: HighMemoryUsage

    expr: (1 - (node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes)) * 100 > 90

    for: 5m

    labels:

      severity: warning

    annotations:

      summary: "内存使用率超过 90%（当前值：{{ $value | humanizePercentage }}）"

      description: "实例 {{ $labels.instance }} 的内存使用率超过 90%，建议检查内存泄漏或考虑扩容。"



  - alert: NodeDown

    expr: up == 0

    for: 1m

    labels:

      severity: critical

    annotations:

      summary: "服务器宕机"

      description: "实例 {{ $labels.instance }} 已离线超过 1 分钟！"



  - alert: HighLoadAverage

    expr: node_load15 > (count(node_cpu_seconds_total{mode="idle"}) by (instance)) * 0.8

    for: 10m

    labels:

      severity: warning

    annotations:

      summary: "系统负载过高（15 分钟负载：{{ $value }}）"

      description: "实例 {{ $labels.instance }} 的 15 分钟平均负载超过了 CPU 核心数的 80%，系统可能处于过载状态。"

然后在

1	prometheus.yml

中引用这个规则文件：


1
2
3
4
5
6
7
rule_files:

  - "alert_rules.yml"



alerting:

  alertmanagers:

  - static_configs:

    - targets: ['localhost:9093']

重启 Prometheus 使配置生效：


1
systemctl restart prometheus

现在，当 CPU 持续超过 80%、磁盘使用率超过 85%、服务器宕机等情况发生时，你的 Telegram 会立刻收到告警消息。当指标恢复正常时，Alertmanager 还会发送一条”告警恢复”的通知。

六、监控多台 VPS

如果你手里不止一台机器，这套方案同样可以轻松扩展。只需要在其他 VPS 上也安装 Node Exporter，然后在 Prometheus 的配置文件中添加对应目标即可。

在其他机器上安装 Node Exporter（步骤同上），然后在主 Prometheus 的

1	prometheus.yml

中追加：


1
2
3
4
5
6
7
  - job_name: 'node'

    static_configs:

      - targets:

        - 'localhost:9100'        # 本机

        - '192.168.1.2:9100'      # 第二台 VPS

        - '192.168.1.3:9100'      # 第三台 VPS

        - '你的其他VPS_IP:9100'

重启 Prometheus 后，Grafana 仪表盘会自动显示所有机器的数据，下拉菜单可以切换查看不同实例。Grafana 的 1860 号仪表盘已经内置了实例选择器，多台机器共享同一个面板，非常直观。

需要注意的是，如果被监控的 VPS 和 Prometheus 不在同一个内网，你需要确保 Node Exporter 的端口（9100）在防火墙上对 Prometheus 服务器的 IP 放开。但不要对全世界开放——只允许监控服务器的 IP 访问即可，可以在 Node Exporter 侧用 iptables 限制：


1
2
iptables -A INPUT -p tcp --dport 9100 -s 你的监控服务器IP -j ACCEPT

iptables -A INPUT -p tcp --dport 9100 -j DROP

七、数据保留策略与磁盘优化

Prometheus 默认将数据保留 15 天。对于小 VPS 来说，15 天的数据量大约占用 2-5GB 磁盘空间，取决于采集的指标数量。如果你的磁盘空间很紧张，可以缩短保留时间：


1
--storage.tsdb.retention.time=7d   # 只保留 7 天数据

也可以在启动参数中加入

1	--storage.tsdb.retention.size=10GB

来限制数据最大占用空间，Prometheus 会自动删除最旧的数据来满足大小限制。

另外，Prometheus 的 WAL（预写日志）默认会占用不少磁盘 IO。如果你的 VPS 是 HDD 而非 SSD，可以考虑将 WAL 目录单独放在内存盘上：


1
2
mkdir -p /dev/shm/prometheus_wal

mount --bind /dev/shm/prometheus_wal /data/prometheus/wal

注意：重启后需要重新挂载，建议写入

1	/etc/fstab

。

八、安全加固要点

监控系统本身如果不安全，就等于把服务器的命脉拱手让人。以下是一些必须做的安全措施：

Grafana 反向代理 + HTTPS

永远不要直接通过公网 IP + 3000 端口暴露 Grafana。用 Nginx 反代并配置 HTTPS：


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
server {

    listen 443 ssl;

    server_name grafana.yourdomain.com;



    ssl_certificate /etc/letsencrypt/live/grafana.yourdomain.com/fullchain.pem;

    ssl_certificate_key /etc/letsencrypt/live/grafana.yourdomain.com/privkey.pem;



    location / {

        proxy_pass http://127.0.0.1:3000;

        proxy_set_header Host $host;

        proxy_set_header X-Real-IP $remote_addr;

        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;

        proxy_set_header X-Forwarded-Proto $scheme;

    }

}

Prometheus 加上认证

Prometheus 原生不支持认证，但可以通过 Nginx 反代加 basic auth 来实现：


1
2
3
apt-get install apache2-utils

htpasswd -c /etc/nginx/.htpasswd promadmin

# 输入密码

然后在 Nginx 配置中为 Prometheus 的 location 加上

1	auth_basic

指令。

Node Exporter 限制来源 IP

前面已经说过，用 iptables 限制只允许 Prometheus 服务器访问：


1
2
iptables -A INPUT -p tcp --dport 9100 -s 你的监控服务器IP -j ACCEPT

iptables -A INPUT -p tcp --dport 9100 -j DROP

想持久化保存 iptables 规则，Ubuntu 可以用

1	iptables-persistent

包，CentOS 则默认已经持久化。

九、扩展思考：还能监控什么

这套监控方案的可扩展性非常好。除了系统层面的指标，你还可以监控非常多的东西：

Nginx 指标：开启 Nginx 的
1
stub_status

模块，用 nginx-lua-prometheus 或 nginx-prometheus-exporter 采集请求数、连接数、响应状态码分布
MySQL/PostgreSQL 指标：使用 mysqld_exporter 或 postgres_exporter 监控数据库连接数、慢查询、InnoDB 状态
Redis 指标：使用 redis_exporter 监控缓存命中率、内存使用、客户端连接数
Docker 容器指标：使用 cadvisor 或 dockerd 暴露的 Prometheus 端点，监控每个容器的 CPU、内存、网络 IO
SSL 证书过期：使用 ssl_exporter 或 blackbox_exporter 监控域名证书的剩余有效期，提前通知续期
HTTP 端点探活：使用 blackbox_exporter 对网站首页、API 接口进行 ICMP 和 HTTP 探测，发现 5xx 错误立刻告警
WordPress 指标：通过自定义 exporter 采集 WordPress 的数据库查询次数、缓存命中率、PHP 进程数

所有这些 exporter 的部署方式都和 Node Exporter 一样——下载二进制文件、创建 systemd 服务、在 Prometheus 中添加 target。社区里几乎你能想到的所有中间件都有对应的 exporter。

十、常见问题排查

Prometheus 页面显示目标为 DOWN

最常见的原因是防火墙没有放开端口。检查 iptables 或云服务商的安全组规则，确保 Prometheus 所在的机器能访问到目标节点的 9100 端口。也可以用

1	telnet 目标IP 9100

简单测试一下连通性。

Grafana 图表显示 “No data”

检查 Grafana 数据源配置是否正确。在 Grafana 的 Explore 页面（左侧指南针图标）输入 PromQL 查询

，如果能返回数据，说明数据源连接和 Prometheus 采集都正常。如果返回空结果，去 Prometheus 的 Web UI 确认数据是否正常写入。

告警没有触发

检查 Alertmanager 的 Web UI（端口 9093）看是否有告警被路由到。如果 Alertmanager 收到了告警但没有发送 Telegram 消息，检查

bot_token

和

chat_id

是否正确。Telegram Bot 需要在目标 Chat 中先被启动（发送

/start

）。

Prometheus 占用内存过高

Prometheus 的内存使用量和指标基数（cardinality）直接相关。如果你发现内存占用过高，检查是否有 exporter 暴露了过多高基数标签（比如包含大量唯一值的 label）。常用的优化手段包括：在

1	scrape_config

中用

1	metric_relabel_configs

丢弃不需要的高基数指标，或者缩短

1	scrape_interval

减少数据采样频率。

总结

Prometheus + Grafana + Alertmanager 这套组合拳，可以说是目前开源监控领域的最优解。它没有商业监控系统的授权限制，也没有 SaaS 监控服务的按节点收费，一套部署好之后可以无限扩展。对于 VPS 站长来说，花一个下午的时间搭好这套系统，以后就能在服务器出问题之前收到预警，而不是等问题发生了才去救火。

从最早的 Node Exporter 系统指标，到后续的数据库、中间件、自定义业务指标，这套方案可以伴随你的业务增长一路升级。真正的运维高手不是会修服务器的，而是能让服务器在出问题之前就被修好的——而监控系统就是做到这一点的基石。

写在前面：为什么你的 VPS 需要一套正经监控系统

一、架构概览：这套监控系统由哪些组件组成

核心组件

数据流

二、安装 Prometheus Server

下载与解压

创建系统用户

配置文件

Systemd 服务

三、部署 Node Exporter

安装

Systemd 服务

四、安装配置 Grafana

安装（Ubuntu/Debian）

CentOS/RHEL 用户

启动 Grafana

连接 Prometheus 数据源

导入 Node Exporter 仪表盘

五、配置告警：当服务器出问题时第一时间通知你

安装 Alertmanager

配置 Telegram 告警

在 Prometheus 中定义告警规则

六、监控多台 VPS

七、数据保留策略与磁盘优化

八、安全加固要点

Grafana 反向代理 + HTTPS

Prometheus 加上认证

Node Exporter 限制来源 IP

九、扩展思考：还能监控什么

十、常见问题排查

Prometheus 页面显示目标为 DOWN

Grafana 图表显示 “No data”

告警没有触发

Prometheus 占用内存过高

总结

相关

相关推荐