从零搭建自动化运维监控平台：阿里云ECS + Prometheus + Grafana 实战指南

第一部分：为什么我们要自己搭建监控？
第二部分：环境准备与“第一道坎”
第三部分：手把手部署
第四部分：进阶配置与锦上添花
第五部分：总结与价值升华

---

前言

本文详细记录了我在阿里云ECS上，从零搭建一套自动化运维监控平台的全过程。

如果你也想实现服务器CPU、内存、磁盘、网络的实时监控，并且配置告警规则，这篇文章可能正是你需要的。

文章没有复杂的理论，只有一步步的操作命令和我在实践中遇到的坑，希望能帮你节省时间。

---

一、为什么我们要自己搭建监控？

没有监控，到底有多难受？

痛点一：服务器状态是个“黑盒”

我只知道服务器在运行，但它跑得累不累、负载高不高，完全没概念。就像开车没有仪表盘，只能凭感觉猜什么时候该加油。

痛点二：出了问题全靠“玄学”排查

网站慢了，先重启一下试试；不行，看看日志；再不行，问问群里有没有大佬遇到过。整个过程全靠猜，毫无效率可言。

痛点三：问题发现永远慢半拍

用户不投诉，我就不知道出事了。半夜服务器挂了，可能第二天早上才有人发现，白白损失了几个小时的业务。

---

基于这些痛点，我给这个项目定了三个核心目标：

能看见——服务器CPU、内存、磁盘、网络，所有关键指标一目了然

能预警——CPU超过80%就主动通知我，不用等用户投诉

成本低——用300元免费额度搞定，毕竟还是学生/新手

一番调研后，我锁定了这套技术组合：Prometheus + Grafana + Node Exporter。为什么选它们？一句话概括：

Node Exporter：轻量级探针，负责“采集数据”

Prometheus：时序数据库，负责“存储和查询数据”

Grafana：可视化平台，负责“展示数据”

目标明确了，方案也定了，接下来就是动手。不过说实话，过程远比我想象的曲折——光是让Prometheus成功启动，就折腾了我快一个小时。

下面我就把完整的搭建过程和踩过的坑记录下来，希望能帮你避开我走过的弯路。

---

二、环境准备与“第一道坎”

1.选服务器

选服务器，我纠结了10分钟
方案定了，接下来就是动手。第一步当然是搞一台服务器。

我是刚毕业没多久的学生，预算有限。好在阿里云有免费试用计划，新用户或者学生认证之后，能领到300元的抵扣额度，有效期3个月。对搭建一个监控平台来说，完全够用了。

最终我选了这个配置：

配置项 选择
实例规格 通用算力型 u1（2核 vCPU，4GiB 内存）
操作系统 Alibaba Cloud Linux 3.2104 LTS 64位
地域 （选择离家近的）
带宽 100Mbps（峰值）
试用额度 300元，约可用523小时

说个选型小插曲：其实一开始我图便宜想选“经济型e实例”，但后来了解到它的CPU是“非绑定”调度模式，性能会受邻居影响。监控平台讲究的就是稳定，万一数据采集延迟或丢失，就失去意义了。所以多花了点额度，选了性能更有保障的“通用算力型u1”。

操作系统方面，我选了阿里云自研的 Alibaba Cloud Linux 3。原因有两个：一是它针对阿里云ECS做了深度优化，性能更好；二是写在简历上比写“Ubuntu”更亮眼，能体现对云原生操作系统的熟悉程度。

---

2.安全组

服务器创建好之后，我以为马上就能开始装软件了。结果第一步就卡住了——安全组。

简单来说，阿里云的安全组相当于服务器的防火墙。默认情况下，所有外部访问都是被禁止的。你需要在控制台手动“放行”特定端口，服务才能被访问到。

端口	用途
22	SSH远程连接服务器
9100	Node Exporter指标采集
9090	Prometheus Web界面
3000	Grafana可视化面板

配置完成以后，安全组规则长这样：

踩坑提醒：我第一次配置的时候，把SSH（22端口）的授权对象设成了 0.0.0.0/0（即允许全世界访问）。结果第二天一看，日志里密密麻麻全是暴力破解的记录，吓出一身冷汗。

后来赶紧改成了 我的IP/32（只允许我自己的电脑访问），世界瞬间清净了。

建议：22端口一定要限制来源IP，其他三个服务端口可以开放给 0.0.0.0/0，因为Grafana和Prometheus本身有账号密码保护。

---

3.登录服务器

安全组配置好后，打开主机终端，执行：

sshroot@你的公网IP

输入密码，看到 [root@你的主机名 ~]# 这个提示符，就说明成功登录了。

到这里，环境准备才算真正完成。接下来，开始安装真正的监控组件。

---

三、部署 Node Exporter —— 监控的“眼睛”

1、什么是 Node Exporter？

在开始敲命令之前，先简单说下 Node Exporter 是干什么的。

你可以把它理解成一个数据采集探针。它负责收集服务器的各种运行数据——CPU在忙什么、内存用了多少、磁盘还剩多少空间、网络流量有多大——然后把这些数据整理成 Prometheus 能读懂格式，等着 Prometheus 来拉取。

打个比方：Node Exporter 就像是一个勤劳的“数据采集员”，每天把服务器的各种指标记录下来，整理成报表，放在一个固定的地方（9100端口），等着数据分析师（Prometheus）来取。

2、开始安装

第一步：创建专用用户
出于安全考虑，不建议直接用 root 用户运行 Node Exporter。我们创建一个专门用来运行它的系统用户：

useradd--system--shell/bin/false node_exporter

说明：–system 表示创建系统用户，–shell /bin/false 表示不允许该用户登录系统，最小化权限，更安全。

第二步：下载安装包

cd/rootwgethttps://github.com/prometheus/node_exporter/releases/download/v1.8.1/node_exporter-1.8.1.linux-amd64.tar.gz

踩坑提醒：我第一次执行 wget 的时候，发现下载速度非常慢，只有几十KB每秒。后来换成了国内镜像源，速度瞬间上来了。

国内用户可以用这个加速下载：

wgethttps://mirrors.tuna.tsinghua.edu.cn/github-release/prometheus/node_exporter/v1.8.1/node_exporter-1.8.1.linux-amd64.tar.gz

第三步：解压并安装

tar-xvfnode_exporter-1.8.1.linux-amd64.tar.gzcpnode_exporter-1.8.1.linux-amd64/node_exporter /usr/local/bin/

第四步：配置 systemd 服务

为了让 Node Exporter 在后台稳定运行，并且开机自启，我们把它配置成系统服务：

cat>/etc/systemd/system/node_exporter.service<<'EOF' [Unit] Description=Node Exporter [Service] User=node_exporter Group=node_exporter ExecStart=/usr/local/bin/node_exporter [Install] WantedBy=multi-user.target EOF

第五步：启动并验证

cat>/etc/systemd/system/node_exporter.service<<'EOF' [Unit] Description=Node Exporter [Service] User=node_exporter Group=node_exporter ExecStart=/usr/local/bin/node_exporter [Install] WantedBy=multi-user.target EOF

看到 active (running) 就表示 Node Exporter 启动成功了。

3、验证是否生效

在浏览器访问：http://你的公网IP:9100/metrics

你会看到一大段类似这样的数据：

看到这些密密麻麻的数据，说明 Node Exporter 正在正常工作，你的服务器各项指标已经在被采集了。Node Exporter 就像一只不知疲倦的眼睛，时刻盯着服务器的运行状态，默默地把数据准备好。

---

四、部署 Prometheus —— 监控的“大脑”

1、为什么需要 Prometheus？

Node Exporter 已经采集到了数据，但它们只是散落在9100端口上的一堆文本。我们需要一个工具把它们存储起来，并且能随时查询。

Prometheus 就是干这个的。

它是一个专门做监控数据存储和查询的时序数据库，也是云原生监控的事实标准。简单来说：

Node Exporter 负责“采数据”

Prometheus 负责“存数据”和“查数据”

打个比方：Node Exporter 是超市里的理货员，把商品（服务器指标）摆在货架上；Prometheus 是仓库管理员，定时来把这些商品登记入库，后面你想查什么，直接找他。

2、开始安装

第一步：下载Prometheus

cd/rootwgethttps://github.com/prometheus/prometheus/releases/download/v2.54.0/prometheus-2.54.0.linux-amd64.tar.gz

国内加速下载：

wgethttps://mirrors.tuna.tsinghua.edu.cn/github-release/prometheus/prometheus/v2.54.0/prometheus-2.54.0.linux-amd64.tar.gz

第二步：解压并移动

tar-xvfprometheus-2.54.0.linux-amd64.tar.gzmvprometheus-2.54.0.linux-amd64 /opt/prometheus

第三步：配置 Prometheus（⚠️ 这里是重点）

Prometheus 需要知道去哪里采集数据，这个信息在配置文件里定义。创建配置文件：

cat>/opt/prometheus/prometheus.yml<<'EOF' global: scrape_interval: 15s scrape_configs: - job_name: "node_exporter" static_configs: - targets: ["localhost:9100"] EOF

这个配置的意思是：

scrape_interval: 15s —— 每15秒采集一次数据

job_name: “node_exporter” —— 给这个采集任务起个名字

targets: [“localhost:9100”] —— 去本机的9100端口拉取数据

⚠️ 我在这里踩了一个大坑

Prometheus 的配置文件是 YAML 格式，它对缩进极其敏感。我第一次写的时候，把 scrape_configs 写在了 global 下面，缩进也不对，结果启动一直报错：

Error loading config: yaml: line4: did notfindexpected key

花了大半个小时才排查出来——原来是缩进问题。

这里有一组关键对照，建议收藏：

global:# 顶层（0空格）scrape_interval: 15s# 缩进2空格scrape_configs:# 顶层（0空格），与global平级- job_name:"xxx"# 缩进2空格static_configs:# 缩进4空格- targets:[]# 缩进6空格

所以写 YAML 的时候，宁可多检查几遍缩进，也不要像我一样用肉眼硬看。

第四步：配置 systemd 服务

cat>/etc/systemd/system/prometheus.service<<'EOF' [Unit] Description=Prometheus [Service] User=root ExecStart=/opt/prometheus/prometheus --config.file=/opt/prometheus/prometheus.yml --storage.tsdb.path=/opt/prometheus/data [Install] WantedBy=multi-user.target EOF

**第五步：**启动并验证

systemctl daemon-reload systemctl start prometheus systemctlenableprometheus systemctl status prometheus

看到 active (running) 表示启动成功。

3、开始安装

方法一：浏览器验证
访问 http://你的公网IP:9090

如果能打开 Prometheus 的 Web 界面，就说明服务正常运行了。

方法二：检查 Targets 状态（这一步很关键）
在 Prometheus 界面顶部点击 Status → Targets

你会看到一个 node_exporter 任务，State 列显示为 UP（绿色）

看到绿色的 UP，说明 Prometheus 已经成功从 Node Exporter 采集到数据了——监控数据流全线打通！

如果显示 DOWN：检查以下几点：

Node Exporter 是否在运行：systemctl status node_exporter

9100 端口是否开放：curl http://localhost:9100/metrics

配置文件中的 targets 地址是否正确

4、配置告警规则（进阶）

到这里，监控数据已经流通了，但还缺一个关键能力——告警。我们希望当 CPU 使用率超过 80% 时，系统能主动通知我们。

首先创建告警规则文件：

cat>/opt/prometheus/alerts.yml<<'EOF' groups: - name: node_alerts rules: - alert: HighCPUUsage expr: 100 - (avg(rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100) > 80 for: 5m labels: severity: warning annotations: summary: "CPU 使用率过高" description: "服务器 CPU 使用率已超过 80%，当前值: {{ $value }}%" EOF

这个规则的意思是：如果 CPU 使用率持续 5 分钟超过 80%，就触发告警。

然后修改 Prometheus 主配置文件，让 Prometheus 加载这个规则：

cat>/opt/prometheus/prometheus.yml<<'EOF' global: scrape_interval: 15s rule_files: - "alerts.yml" scrape_configs: - job_name: "node_exporter" static_configs: - targets: ["localhost:9100"] EOF

重启 Prometheus 使配置生效：

systemctl restart prometheus

然后在浏览器访问 http://你的公网IP:9090/alerts，就能看到刚刚创建的告警规则了。

---

五、部署 Grafana —— 让数据说话

为什么需要 Grafana？
数据有了，存储有了，但都是枯燥的数字。我们需要一个工具把这些数字变成直观的图表和仪表盘。

Grafana 就是干这个的。

安装步骤
1、安装：

yuminstall-yhttps://dl.grafana.com/oss/release/grafana-11.2.0-1.x86_64.rpm

国内加速：

wgethttps://mirrors.tuna.tsinghua.edu.cn/grafana/yum/rpm/grafana-11.2.0-1.x86_64.rpm yuminstall-y./grafana-11.2.0-1.x86_64.rpm

2、启动：

systemctl start grafana-server systemctlenablegrafana-server systemctl status grafana-server

配置 Grafana

登录
浏览器访问 http://你的公网IP:3000，默认账号密码都是 admin，首次登录强制修改密码。

添加数据源
左侧齿轮 ⚙️ → Data sources → Add data source → 选择 Prometheus → URL 填 http://localhost:9090 → Save & Test，看到绿色提示即成功。

导入监控大屏
左侧 + → Import → 输入模板 ID 8919 → Load → 选择 Prometheus 数据源 → Import

效果展示

模板 8919 包含了 CPU、内存、磁盘、网络、系统负载等所有核心指标，页面专业、布局清晰，数据实时刷新。

验证告警
访问 http://你的公网IP:9090/alerts，可以看到 CPU 告警规则。当 CPU 持续高于 80% 时会自动触发。

---

总结

回顾一下我们完成的工作：

组件	作用	状态
Node Exporter	采集服务器指标	✅ 运行中
Prometheus	存储查询数据 + 告警	✅ 运行中
Grafana	数据可视化展示	✅ 运行中
监控大屏	6 大类指标实时展示	✅ 已导入
告警规则	CPU > 80% 触发告警	✅ 已配置

从一台"裸奔"的服务器，到拥有完整的监控、告警、可视化体系——这个项目，成了。