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：

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：

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. 网站环境怎么选：LNMP 手动 / 宝塔面板 / Docker / 云开发
2. 问卷表单系统搭建：SurveyKing / Formbricks，数据自己收
3. 图床搭建：Lsky Pro / Lychee，自托管图片托管方案
4. 邮件列表搭建：listmonk 自托管 Newsletter，把读者握在自己手里
5. 文档站点搭建：MkDocs / VuePress / Docsify，产品文档与技术手册方案
6. RSS 阅读器搭建：FreshRSS 自托管，把信息流拿回自己手里
7. 短链接服务搭建：Shlink 自托管，链接数据自己掌握
8. 网站状态监控页搭建：Uptime Kuma，服务器挂了第一时间知道

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