13 10 月 2026

服务器出问题的时候,最怕的不是挂,而是挂了都不知道怎么挂的。CPU 什么时候打满的?内存是一点点涨上去的还是某次泄漏?带宽是谁在偷?

这篇用 Prometheus + Grafana 搭一套最经典的服务器监控,装完你就能在网页上看到实时的 CPU、内存、磁盘、网络曲线,还能设阈值告警。全程命令可抄。

玩游戏的服务器、跑网站的云服务器都能用这套方案。需要云服务器可以看看财富云计算:NAT 型无独立公网 IP,价格比独立 IP 机型省一半以上,一键开服面板,主流游戏快速部署。

一、这套方案是什么

三个组件,各司其职:

组件干什么资源占用
Node Exporter装在每台被监控机器上,采集系统指标很小(几十 MB 内存)
Prometheus定时来拉取指标,按时序存起来中等(几百 MB,看保留时间)
Grafana把指标画成图表,配告警规则中等

数据流:Node Exporter(被监控机)→ Prometheus(拉取存储)→ Grafana(展示告警)。

为什么选它:开源免费、社区模板多、对 Linux 支持最好、轻量(2G 内存的小机器也能跑)。

二、安装:一行一个组件

以下以 Ubuntu/Debian 为例,CentOS 把 apt 换成 yum。

1. 装 Node Exporter(被监控的机器上)

# 下载(以 1.7.0 为例,建议去官网看最新版)
cd /tmp
wget https://github.com/prometheus/node_exporter/releases/download/v1.7.0/node_exporter-1.7.0.linux-amd64.tar.gz
tar -xzf node_exporter-1.7.0.linux-amd64.tar.gz
cp node_exporter-1.7.0.linux-amd64/node_exporter /usr/local/bin/

# 创建专用用户(不要用 root 跑)
useradd -rs /bin/false node_exporter

# 注册为 systemd 服务
cat > /etc/systemd/system/node_exporter.service <<'EOF'
[Unit]
Description=Node Exporter
After=network.target

[Service]
User=node_exporter
ExecStart=/usr/local/bin/node_exporter
Restart=on-failure

[Install]
WantedBy=multi-user.target
EOF

systemctl daemon-reload
systemctl enable --now node_exporter

# 验证: 应该输出一堆指标
curl http://localhost:9100/metrics | head -20

看到 node_cpu_seconds_total 之类的指标就说明装好了。

2. 装 Prometheus(监控机,可以就是同一台)

cd /tmp
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
cp -r prometheus-2.53.0.linux-amd64 /opt/prometheus

# 配置: 告诉 Prometheus 去拉谁
cat > /opt/prometheus/prometheus.yml <<'EOF'
global:
  scrape_interval: 15s

scrape_configs:
  - job_name: 'node'
    static_configs:
      - targets: ['localhost:9100']
EOF

# 起服务(直接前台跑测试)
cd /opt/prometheus && ./prometheus --config.file=prometheus.yml

浏览器访问 http://服务器IP:9090,能看到 Prometheus 界面。在查询框输入 up 回车,显示 1 表示目标在线。

3. 装 Grafana(画图)

# 用官方源安装(最省事)
apt-get install -y apt-transport-https software-properties-common
wget -q -O /usr/share/keyrings/grafana.key https://apt.grafana.com/gpg.key
echo "deb [signed-by=/usr/share/keyrings/grafana.key] https://apt.grafana.com stable main" \
  > /etc/apt/sources.list.d/grafana.list
apt-get update && apt-get install -y grafana

systemctl enable --now grafana-server

访问 http://服务器IP:3000,默认账号 admin / admin,首次登录要求改密码。

三、配置 Grafana 看板

进 Grafana 后:

  1. Connections → Data sources → Add data source → Prometheus,URL 填 http://localhost:9090,保存
  2. Dashboards → New → Import,输入看板 ID 1860(Node Exporter Full,社区最流行的模板)
  3. 选择刚才加的 Prometheus 数据源,点 Import

十秒后你就能看到十几张图:CPU 使用率、内存、磁盘 IO、网络流量、系统负载、温度——全在一個页面上。

常用查询语句( Graphs 面板里手写查询用):

# CPU 使用率(百分比)
100 - (avg by(instance) (rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)

# 内存使用率
100 * (1 - node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes)

# 磁盘使用率
100 - (node_filesystem_avail_bytes{fstype!~"tmpfs|overlay"} 
  / node_filesystem_size_bytes * 100)

# 网络出站流量(MB/s)
rate(node_network_transmit_bytes_total[5m]) / 1024 / 1024

四、配告警:出问题主动找你

光看板不够,你得知道什么时候出问题。Grafana Alerting 配一条:

  1. 编辑某个图表面板 → Alert → Create alert rule
  2. 条件示例:

    • CPU 持续 5 分钟 > 90%
    • 内存使用率 > 90%
    • 磁盘使用率 > 85%
  3. Notification channel 配邮箱、钉钉、企业微信或 Telegram

游戏服最值得加的两条告警:

  • 进程存活告警:up{job="node"} == 0,机器失联立刻通知
  • 服务端进程告警(进阶):用 textfile collector 把游戏服进程状态暴露出来,挂了直接推送

五、资源占用与保留策略

Prometheus 默认保留 15 天数据,2G 小机器注意:

# /opt/prometheus/prometheus.yml 的 global 下加
global:
  scrape_interval: 15s
  # 数据保留15天(默认)
  # 命令行参数 --storage.tsdb.retention.time=15d

内存建议:监控机至少 1G 内存;被监控机只要有 Node Exporter(约 15MB 内存),不影响游戏运行。

多台机器怎么加:在 prometheus.yml 的 targets 里加 IP 就行:

static_configs:
  - targets: ['192.168.1.10:9100', '192.168.1.11:9100']

前提是那些机器也装了 Node Exporter,且 9100 端口互通。

六、不想这么复杂?轻量替代方案

如果只是想「看看机器卡不卡」,不想搭三件套:

需求轻量工具
实时看一眼htop + iftop + iostat
历史曲线 + Web 界面Netdata(单二进制,装完就有看板)
国内面板中文宝塔面板(自带监控图表)
定时跑脚本 + 邮件告警自写 Shell + mail 命令

Netdata 安装只要一行:bash <(curl -sS https://get.netdata.cloud/cda),装完访问 http://IP:19999 就有完整看板,适合不想折腾的人。宝塔和 Netdata 的详细用法见Netdata 与宝塔面板可视化监控。

七、常见问题

Q:Prometheus 占内存越来越大?
数据保留时间太长或抓取目标太多。缩短 --storage.tsdb.retention.time,或者只监控核心指标。

Q:防火墙挡了 9090/3000/9100?
监控机防火墙要放行对应端口,但 Grafana 和 Prometheus 不要直接暴露公网,建议只监听内网或加 Nginx 反代 + Basic Auth。

Q:能在 Windows 上用吗?
能,Node Exporter 有 windows 版本,windows_exporter.msi 装完即可,其余流程一样。

Q:指标显示不全 / 时断时续?
检查 scrape_interval 和网络连通性,up 指标为 0 就是拉取失败,多半是防火墙或 IP 写错。

小结

监控的意义是把「不知道怎么就挂了」变成「早有预兆」。Node Exporter + Prometheus + Grafana 这套一小时能搭完,之后所有性能问题都有数据可查,排查再靠猜。

更多云服务器运维内容见财富云计算知识库:Linux 命令速查、SSH 密钥登录、资源排查、备份策略、防火墙配置等全系列教程。需要云服务器可以看看财富云计算:一键开服面板,NAT 型无独立公网 IP,价格比独立 IP 机型省一半以上。

延伸阅读
  1. 高防误区与避坑清单:25 个坑+下单前必问 14 问+到货验货流程
  2. DNS 攻击防护专题:劫持、隧道、投毒、放大四类攻击与 DNSSEC
  3. 电商大促防攻击预案:T-14 到当天的分级响应与降级开关
  4. 源站真实 IP 隐藏完全指南:六大暴露面排查+NAT 型终极方案
  5. 日志分析找攻击源:Nginx 日志三维度分析法与证据固定
  6. 攻击应急响应手册:六阶段响应流程,从确认到复盘的照做清单
  7. iptables 抗 DDoS 配置模板:状态过滤+SYN 防护+防扫描+游戏服版
  8. OpenResty Lua 自研 WAF:动态限流+攻击特征检测+Redis 黑名单
更多阅读
  1. 上一篇:游戏服务器数据备份与恢复完整指南:存档丢了怎么救回
  2. 下一篇:Netdata 与宝塔面板:零基础服务器可视化监控方案
发表评论 22

    1. 云服务器地域选择与延迟测试:玩家不卡的第一步 - 			财富云计算 - 维基百科的头像
      云服务器地域选择与延迟测试:玩家不卡的第一步 - 财富云计算 - 维基百科  

      [...]traceroute -n 目标IP | head -15五、NAT 型服务器的地域考量NAT 型云服务器(无独立公网 IP)在地域选择上有几个特殊点:线路质量取决于服务商网关,不是机房本身。同一个地域,不同 NAT 服务商的体验可能天差地别优先选带 BGP/多线接入的服务商,NAT 网关做多线融合是常见卖点实测比标称重要:买月付/短期套餐实测一周,晚高峰让玩家连一次,满意再续端口映射延迟:NAT[...]

    2. Linux 性能分析三板斧:top、vmstat、iostat 深入实战 - 			财富云计算 - 维基百科的头像
      Linux 性能分析三板斧:top、vmstat、iostat 深入实战 - 财富云计算 - 维基百科  

      [...]sar -b # IO 历史配 crontab 每 10 分钟采一次,排障时能回溯。更完整的方案见Linux 监控体系。小结性能排查记住这个顺序:vmstat 定方向 → top/iotop/iostat 找元凶 → perf/pidstat 深挖。90% 的卡顿能在这三个工具里找到答案,不需要装任何额外软件。排查完按「优化程序 → 错峰任务 → 升级配置」的顺序处理。更多运维内容见财富云计[...]

    3. Docker 安全加固与资源限制:容器不逃逸、不拖垮宿主机 - 			财富云计算 - 维基百科的头像
      Docker 安全加固与资源限制:容器不逃逸、不拖垮宿主机 - 财富云计算 - 维基百科  

      [...]docker inspect myapp --format '{{.HostConfig.Memory}} {{.HostConfig.Cpus}}'三层防护配齐:层级配置防的场景单容器--memory --cpus --pids_limit单容器发疯宿主机总内存留 20% 余量、监控告警多容器集体膨胀编排层K8s ResourceQuota / LimitRange团队滥用告警规则照抄:Prom[...]

    4. 幻兽帕鲁服务器优化与常见问题:内存、卡顿、崩溃一次解决 - 			财富云计算 - 维基百科的头像
      幻兽帕鲁服务器优化与常见问题:内存、卡顿、崩溃一次解决 - 财富云计算 - 维基百科  

      [...]journalctl -u palworld --since "1 hour ago" | grep -i error长期方案:Prometheus 监控体系或Netdata 可视化监控,配一条内存 85% 告警,凌晨自动重启前你就能收到消息。六、常见问题速查现象原因解法玩 2 小时必卡内存泄漏累积定时重启(第二节)基地一多就掉帧同屏实体过多降 DropItemMaxNum、限[...]

    5. 僵尸进程与 CPU 异常排查实战:load 飙高找不到元凶时看这篇 - 			财富云计算 - 维基百科的头像
      僵尸进程与 CPU 异常排查实战:load 飙高找不到元凶时看这篇 - 财富云计算 - 维基百科  

      [...]uptime # load做成 cron 每日邮件报告,模板见服务器日常巡检清单与自动化。监控告警体系见Prometheus 监控体系。排查口诀:先 uptime 看 load,再 top 找 CPU,ps 看状态位,iostat 看磁盘,dmesg 看内核,crontab 查根。按顺序来,没有查不到的问题。进程异常大多有迹可循:僵尸找爹、[...]

    6. 磁盘空间排查与清理实战:删了文件空间不释放怎么办 - 			财富云计算 - 维基百科的头像
      磁盘空间排查与清理实战:删了文件空间不释放怎么办 - 财富云计算 - 维基百科  

      [...]0 9 * df -h | awk '$5+0 &gt; 80 {print $0}' | mail -s "磁盘告警-$(hostname)" admin@example.com或上监控系统见Prometheus 监控体系,配磁盘使用率曲线,涨势看得见。巡检模板见服务器日常巡检清单与自动化。五、应急:磁盘 100% 时先救火满盘时很多命令都报错,按这个顺序腾空间:# [...]

    7. 内存泄漏排查实战:从确认泄漏到定位代码到工程化兜底 - 			财富云计算 - 维基百科的头像
      内存泄漏排查实战:从确认泄漏到定位代码到工程化兜底 - 财富云计算 - 维基百科  

      [...]└─ 已经 OOM → dmesg 确认 → Swap 急救 → 重启 → 再走上面流程七、预防清单[ ] 关键服务配 MemoryMax 或 mem_limit,泄漏可控[ ] Swap 必配(小内存机器的保险丝)[ ] 关键进程(DB)调低 oom_score_adj,别被冤杀[ ] 内存监控告警:85% 持续 10 分钟[ ] 每周看一次 RSS 趋势曲线[ ] 新服务上线前跑一轮 valg[...]

    8. 文件描述符与 inode 耗尽处理:Too many open files 根治 - 			财富云计算 - 维基百科的头像
      文件描述符与 inode 耗尽处理:Too many open files 根治 - 财富云计算 - 维基百科  

      [...]0 9 * df -h / | awk 'NR==2 && $5+0&gt;80 {print &quot;磁盘空间:&quot;$0}'; df -i / | awk 'NR==2 && $5+0&gt;80 {print &quot;inode:&quot;$0}' | mail -s "资源告警" admin@example.com[...]

    9. top 命令高级用法:不止看内存占用,这么读才专业 - 			财富云计算 - 维基百科的头像
      top 命令高级用法:不止看内存占用,这么读才专业 - 财富云计算 - 维基百科  

      [...]MiB Swap: 4096 total, 1024 free, 3072 used. 6501 avail现象诊断对策free 少,buff/cache 高,Swap used ≈ 0健康。Linux 把空闲内存拿来做缓存是本能,不是内存不足不用管Swap used 持续增长物理内存真的不够加 Swap(Swap 优化)或加内存Swap used 高 + wa 高内存在换页,磁盘[...]

    10. Steam游戏开服端口速查表:AppID、端口协议、配置需求一表查完(含Windows/Linux双系统索引) - 			财富云计算 - 维基百科的头像
      Steam游戏开服端口速查表:AppID、端口协议、配置需求一表查完(含Windows/Linux双系统索引) - 财富云计算 - 维基百科  

      [...]netsh advfirewall firewall add rule name="GameRange" dir=in action=allow protocol=UDP localport=26901-26903完整的 Windows 环境准备(远程桌面连接、运行库安装、SteamCMD 用法、开机自启、8 个常见坑)见:《Windows 云服务器开服通用前置教程》→ htt[...]

    11. 网站状态监控页搭建:Uptime Kuma,服务器挂了第一时间知道 - 			财富云计算 - 维基百科的头像
      网站状态监控页搭建:Uptime Kuma,服务器挂了第一时间知道 - 财富云计算 - 维基百科  

      [...]}反代细节见Nginx 反向代理与多站点配置,证书见免费 SSL 证书申请与 HTTPS 部署。三、监控项配置:按这个清单加基础四件(每个站长都该有):监控项类型间隔说明网站首页HTTPS60s关键字匹配"你的品牌词",防"能打开但是挂马页"服务器 PingPing60s探活,不通就是机器/网络层出事SSH 端口TCP:2260s服务没挂但 SSH 不通 = 被墙或防火墙抽风数据库端口TCP:33[...]

    12. Ollama 本地大模型部署实战:一条命令跑起私有 GPT,含 API 对接与性能调优 - 			财富云计算 - 维基百科的头像
      Ollama 本地大模型部署实战:一条命令跑起私有 GPT,含 API 对接与性能调优 - 财富云计算 - 维基百科  

      [...]AnythingLLM(RAG) ───────────┘对话界面:LobeChat 自托管知识库问答:RAG 知识库搭建自动化流水线:n8n 自动化工作流监控告警:Prometheus 监控入门结语Ollama 把"在服务器上跑大模型"的门槛降到了一条安装命令 + 一条拉模型命令。剩下的工程量都在工程化:模型目录挂数据盘、反代加鉴权、按内存调并发。把这些做好,你就拥有一个 7×24 在线、[...]

    13. AI 应用的安全与成本控制:无鉴权 API、白嫖攻击与费用熔断 - 			财富云计算 - 维基百科的头像
      AI 应用的安全与成本控制:无鉴权 API、白嫖攻击与费用熔断 - 财富云计算 - 维基百科  

      [...]Environment="OLLAMA_MAX_LOADED_MODELS=1" # 同时只驻留一个模型完整限流策略见Nginx 限流与 WAF 实战。第四层:可观测层——看得见才管得住没有监控的 AI 服务等于蒙眼开车。最低限度要能看到:指标怎么采说明请求量/成功率Nginx access log 或 Prometheus异常暴涨的第一信号推理耗时Ollama 无原生指标,[...]

    14. 高可用架构入门:小团队不需要 K8s,也能把可用性做到 99.9% - 			财富云计算 - 维基百科的头像
      高可用架构入门:小团队不需要 K8s,也能把可用性做到 99.9% - 财富云计算 - 维基百科  

      [...]└──> Web 实例 2 ──┘个人/小团队用云负载均衡(按量付费,几十块一个月):健康检查自动摘除故障实例,新实例自动加入。自己搭 keepalived/Nginx 也可以,但运维成本要算进去。Web 实例的要点:无状态化(session 存 Redis 或 JWT,别存本地),否则流量分到哪台都能用,见Redis 安装与缓存实战。数据库从单库到主从,见MySQL 主从复制配置和Redi[...]

    15. 服务器故障排查完全手册:从连不上到跑不动,一张决策图定位所有问题 - 			财富云计算 - 维基百科的头像
      服务器故障排查完全手册:从连不上到跑不动,一张决策图定位所有问题 - 财富云计算 - 维基百科  

      [...]awk '{print $9}' /var/log/nginx/access.log | sort | uniq -c | sort -rn日志集中管理(多机场景)见Linux 日志管理与 logrotate和日志集中管理。九、应急预案:把手册变成肌肉记忆排查方法论背得再熟,不如提前准备好:监控告警先行:CPU/内存/磁盘/带宽超阈值就告警,故障早发现一小时,排查难度低十倍。方案见Promethe[...]

    16. n8n 自动化工作流:开源 Zapier,把重复劳动交给服务器 - 			财富云计算 - 维基百科的头像
      n8n 自动化工作流:开源 Zapier,把重复劳动交给服务器 - 财富云计算 - 维基百科  

      [...]{"event": "payment.success", "order_id": "A10086"}配上"Basic Auth"节点校验,收到支付回调 → 查库 → 开通服务 → 发通知,全自动。安全红线:暴露的 Webhook 不带鉴权 = 谁都能往你工作流里灌数据。必须开鉴权(Header Auth / Basic[...]

    17. Loki 日志体系搭建:轻量级日志聚合,Grafana 里查遍所有服务器 - 			财富云计算 - 维基百科的头像
      Loki 日志体系搭建:轻量级日志聚合,Grafana 里查遍所有服务器 - 财富云计算 - 维基百科  

      [...]sum(rate({job="nginx"} |= "error" [5m]))配套的 Nginx 日志分析技巧见Web 日志分析实战。五、看板与告警常用看板Grafana 里建三个面板就够日常:日志量总览:sum by (job) (rate({job=~".+"}[5m]))——哪个服务的日志在暴涨错误日志:{job=~".[...]

    18. 安全应急响应完全手册:服务器被入侵后,按这个流程走 - 			财富云计算 - 维基百科的头像
      安全应急响应完全手册:服务器被入侵后,按这个流程走 - 财富云计算 - 维基百科  

      [...]发现服务器可能被入侵的那一刻,人的本能是慌+乱试。这篇给你一套标准的应急响应流程:遏制 → 取证 → 清除 → 恢复 → 复盘。每一步该做什么、不该做什么,都写清楚。日常防护见服务器安全基线清单。一、第一条铁律:先遏制,别急着"查清楚"被入侵时最大的错误是一边让攻击者继续在里面,一边慢慢排查。正确顺序:遏制(分钟级):切断攻击者的持续访问取证(保留现场,别急着删)清除(清后门、堵漏洞)恢复(从干净[...]

    19. 压测与容量规划:上线前就知道你的服务器能扛多少人 - 			财富云计算 - 维基百科的头像
      压测与容量规划:上线前就知道你的服务器能扛多少人 - 财富云计算 - 维基百科  

      [...]Requests/sec: 2804.26Latency Avg 145ms:平均响应,还行Max 1.99s:长尾已经出现,P99 会更差Req/Sec 2804:这台配置的实测 QPS 上限结合系统监控:QPS 上不去时,看是 CPU 100%(应用瓶颈)、IO 100%(数据库/磁盘)、还是带宽打满先崩的组件决定优化方向:瓶颈现象根因优化CPU 100%,QPS 到顶应用计算密集加核 [...]

    20. 数据备份体系完全手册:从随手拷到 3-2-1,让数据永远丢不了 - 			财富云计算 - 维基百科的头像
      数据备份体系完全手册:从随手拷到 3-2-1,让数据永远丢不了 - 财富云计算 - 维基百科  

      [...]}更系统的监控告警体系见Prometheus 监控入门。八、备份检查清单(打印贴墙)[ ] 核心数据有异地备份(不在同一台机器/同一家云)[...]

    21. SSL 证书完全指南:免费证书、自动续期与不过期监控 - 			财富云计算 - 维基百科的头像
      SSL 证书完全指南:免费证书、自动续期与不过期监控 - 财富云计算 - 维基百科  

      [...]0 9 * acme.sh --list 2>/dev/null | head -20 | mail -s "证书状态" admin@yourdomain.com或用 openssl 直接查远程证书:echo | openssl s_client -servername blog.yourdomain.com -connect blog.yourdomain.co[...]

    22. Homepage 个人仪表盘:把散落各处的服务收进一个首页 - 			财富云计算 - 维基百科的头像
      Homepage 个人仪表盘:把散落各处的服务收进一个首页 - 财富云计算 - 维基百科  

      [...]}证书自动续期见SSL 证书完全指南,反代细节见Nginx 反向代理实战。暴露面考量:仪表盘会暴露你有哪些服务(信息搜集价值),建议:只在内网/WireGuard 内网用(组网方案)或对外时加 Basic Auth,别裸奔Docker socket 只读挂载已经是权限最小化——绝不给读写权限,那等于把宿主机交出去(Docker 逃逸风险,见Docker 安全加固)六、和其他工具的分工仪表盘生态里各[...]