关键判断：何时需要排查与监控告警
监控告警并非万能方案，其核心价值在于提前发现可干预的系统性风险。站长需先明确：业务是否具备可量化的健康指标？团队是否有响应告警的值班机制？若仅运行静态展示站点且无SLA承诺，过度配置反而增加噪音。关键决策点包括：RTO/RPO是否已定义、告警分级是否区分通知与自动处理、以及监控范围是否覆盖资源、业务、错误和外部可用性四类指标。
- 确认业务目标与可验证指标后再启动监控配置
- 区分通知型、升级型和自动化处理三类告警动作
- 静态低流量站点优先保障可用性检查而非全量指标采集
评估维度：筛选标准与门槛条件
评估监控方案时，建议按三层标准筛选：基础层验证CPU使用率、内存水位、P95延迟是否可采集；风险层识别单区故障、账单失控、安全组暴露等信号；成本层核算采集频率、存储周期和告警通道费用。云成本由计算、存储、带宽、请求次数、备份、日志和托管服务共同构成，仅对比服务器实例价格会显著低估总支出。同时需确认CDN缓存规则与动态接口绕行策略是否匹配业务特征。
- 基础层：CPU、内存、延迟三项核心资源指标可采集
- 风险层：单区故障、账单异常、安全组暴露需纳入告警
- 成本层：全量成本结构评估，避免低估日志与请求费用
资源清单：工具类型与适用边界
按场景匹配工具类型：云厂商基础监控适合快速接入但自定义能力有限；开源方案如Prometheus+Grafana灵活度高但需自建维护成本；SaaS型APM适合无专职运维的小团队。不适用情况包括：无明确RTO/RPO目标的业务无需强容灾监控；纯静态资源站点可依赖CDN日志替代服务器层监控；预算受限且流量波动极小的场景，免费额度告警已足够。
- 云厂商监控：快速接入，适合标准化需求，自定义告警规则受限
- 开源方案：高灵活度，适合有运维能力的团队，需承担维护成本
- SaaS型APM：开箱即用，适合小团队，按量计费需关注成本增长