什么是可用性监控(Uptime Monitoring)?

可用性监控定期请求目标 URL,校验状态码和响应内容,并按规则触发告警。了解探测方式、故障处理、节点选择与可用率口径。

最佳实践
网站和服务可用性监测主题插画

可用性监控(Uptime Monitoring,也叫在线率监控)是监控体系里很直接的一种:自动从指定节点定期检查网站或服务是否符合预期,满足告警条件时再通知响应人员。它回答的是一个最朴素的问题——"我们的服务现在还活着吗?"

工作原理

探测任务按预设频率从指定节点向目标 URL 发起请求,校验返回结果:

  • 状态码检查:按端点约定校验状态码,例如页面应返回 200 OK,无响应体的成功接口可能返回 204 No Content。按需确定是否跟随重定向。连接超时或 TLS 握手失败通常拿不到 HTTP 状态码,应单独记录。
  • 响应时间:记录探测耗时,观察退化趋势。有分阶段数据时,可用 DNS、连接、TLS 或首字节耗时缩小排查范围。
  • 超时窗口:按端点预期耗时和探测工具支持的范围设置,明确多久未完成就判为失败。

连续失败、重试确认或多地域失败判定取决于配置。一次失败记录可作为排查信号,是否生成**宕机事件(downtime incident)**及通知谁,由检测规则、事件关联和通知策略决定。

关键字监控:比状态码多一层保险

只查状态码有个著名盲区:页面返回 200,但内容是错的——例如应用用同一个 200 状态码返回正常页面和数据库故障提示。

关键字监控在响应体里断言特定内容存在(或不存在)。需要响应体时用 GET,HEAD 响应没有正文:

  • 检查响应包含"立即注册"按钮的稳定标记,确认服务端返回了预期内容;
  • 检查页面不包含"数据库连接失败"等错误文本;
  • 检查关键结构化元素(某个 <div id="pricing">)存在。

如果端点有稳定、可代表正常响应的内容,建议组合"状态码 + 内容"断言。字样可能因语言或版本变化而失效,通用页头也可能在错误页上照常出现。要验证 JavaScript 渲染或点击行为,应另用浏览器拨测。

宕机事件的生命周期

  1. 探测失败:记录失败,检测结果达到已配置的阈值时生成异常事件;
  2. 告警:按已配置的渠道和升级策略通知;未确认后是否升级、多久升级,由值班和通知规则决定;
  3. 确认与处理:值班人按团队流程确认、认领并排查;
  4. 恢复:按恢复条件确认探测回到正常,再依据团队流程更新或关闭故障记录。首次失败和恢复样本只标出观测边界,不能精确给出故障起止时刻。

告警里应包含的关键信息:首次观测到失败的时间、错误类型(超时/5xx/关键字缺失)、失败节点分布、可用的耗时与相关日志链接——让值班人拿到的第一时间就有排查抓手。

该监控哪些端点

别只盯首页。按业务价值列清单:

  • 首页与核心落地页;
  • 登录/注册接口;
  • 核心 API(下单、支付回调宜选测试接口或隔离环境,避免周期探测产生真实交易);
  • 健康检查端点(如 /healthz,先确认它实际检查哪些依赖);
  • 关键静态资源(CDN 上的 JS/CSS)。

可用性数字怎么算

按时间度量时,可用率 = (纳入统计的总时间 - 宕机时间)/ 纳入统计的总时间。以连续 30 天全部计入为例,三个九(99.9%)允许约 43.2 分钟宕机,四个九(99.99%)约 4.32 分钟。

探测成功率统计的是所选节点和时段内符合断言的有效样本占比,需单独报告缺测和维护排除规则。短故障可能落在两次探测之间。业务可用性 SLI 也可按真实请求的成功比例度量,不能直接拿拨测成功率换算用户受影响时间。

配置后先验证成功与失败各一次

以观测云 HTTP 拨测为例,为关键入口设置预期状态码与响应内容。要求两项同时成立时,在默认模式选“所有”,再选择节点和频率。文档列出的最短预设执行周期为 1 分钟,仅商业版及以上可用。测试按钮可检查请求配置,实际所选节点的连通性要看任务运行结果。

在可用性数据检测中配置检测周期、查询区间、阈值和恢复条件,再关联告警策略。探测频率和检测频率分别配置,连续触发判断统计的是检测次数。用受控测试确认失败能产生预期事件和通知,恢复时也按规则更新。

汇总可用率时,保留探测频率、节点、统计区间与计划维护口径。拨测反映所选路径的采样结果,若用于 SLA 核对,还要与合同定义和业务实际影响保持一致。

常见问题(FAQ)

Q:探测频率越高越好吗?
A:频率影响最早何时采到失败样本。每分钟探测一次,如果故障恰在一次成功后开始,且规则要求连续两次计划探测失败,第二次失败探测约两分钟后才开始,还要算请求超时、检测与通知耗时。按业务可容忍的发现时间、平台支持的周期、请求开销和成本选频率。

Q:为什么需要多地域节点确认?
A:对比节点能帮助区分单条网络路径问题和更广泛的故障。可按用户分布、时间窗口和节点失败门槛配置全局告警。某地区的用户可能已受影响,即使其他地区正常,也可以为该地区单独告警。

Q:内网服务怎么做可用性监控?
A:可将观测云自建拨测节点部署在能访问目标的网络内。节点上的 DataKit 拨测采集器须允许内网任务,并能访问配置的任务服务及数据上报地址。选用该节点后,在对应工作空间检查探测结果。

获取专属方案

联系我们

加入社区

微信扫码
加入官方交流群

立即体验

在线开通,按量计费,真正的云服务!

立即开始

选择观测云版本

代码托管平台