VPS 运行监控与宕机报警完全指南

# 文件路径：/opt/uptime-kuma/docker-compose.yml

services:
  uptime-kuma:
    image: louislam/uptime-kuma:${KUMA_VERSION} # .env 固定已复核版本，如 2.3.2
    container_name: uptime-kuma
    restart: unless-stopped
    ports:
      - "127.0.0.1:3001:3001"     # 只绑定本地，配合 Nginx 反代
    volumes:
      - ./kuma-data:/app/data      # 必须使用本地文件系统，不使用 NFS
    environment:
      - TZ=Asia/Shanghai           # 时区设置，确保日志时间正确

# 文件路径：/etc/nginx/conf.d/status.conf
# 将 Uptime Kuma 暴露为 status.yourdomain.com

server {
    listen 443 ssl;
    http2 on;
    server_name status.yourdomain.com;

    ssl_certificate     /etc/letsencrypt/live/status.yourdomain.com/fullchain.pem;
    ssl_certificate_key /etc/letsencrypt/live/status.yourdomain.com/privkey.pem;

    location / {
        proxy_pass         http://127.0.0.1:3001;
        proxy_http_version 1.1;
        # WebSocket 支持（Uptime Kuma 实时推送依赖 WS）
        proxy_set_header Upgrade $http_upgrade;
        proxy_set_header Connection "upgrade";
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_read_timeout 86400;   # 长连接超时
    }
}

server {
    listen 80;
    server_name status.yourdomain.com;
    return 301 https://$host$request_uri;
}

# ── 面板端部署（选择一台专用机器作为控制中心）──────────────────────────────
# 前提：在 GitHub 创建 OAuth App（Settings → Developer settings → OAuth Apps）
# Homepage URL: https://nezha.yourdomain.com
# Callback URL: https://nezha.yourdomain.com/oauth2/callback

# 一键安装脚本
curl -L https://raw.githubusercontent.com/naiba/nezha/master/script/install.sh   -o nezha.sh && chmod +x nezha.sh && sudo ./nezha.sh
# 选择 [1] 安装面板端，按提示输入：
# - GitHub OAuth Client ID 和 Client Secret
# - 管理员 GitHub 用户名

# 安装完成后面板访问：https://nezha.yourdomain.com
# 默认不需要密码，用 GitHub 账号登录即是管理员

# ── 被控端 Agent 部署（在每台需要被监控的服务器上执行）──────────────────
# 在哪吒面板后台：服务器 → 添加服务器，系统会生成一条安装命令，如：

curl -L https://raw.githubusercontent.com/naiba/nezha/master/script/install.sh   -o nezha.sh && chmod +x nezha.sh && sudo ./nezha.sh
# 选择 [8] 安装 Agent
# 输入面板域名：nezha.yourdomain.com
# 输入 Agent 密钥：面板后台生成的密钥（每台机器独立）

# Agent 安装后会自动注册，在面板上实时显示：
# CPU 占用率、内存使用、磁盘剩余、网络流入/流出、进程数等

# 文件路径：/opt/komari/docker-compose.yml

services:
  komari:
    image: ghcr.io/komari-monitor/komari:latest
    container_name: komari
    restart: unless-stopped
    ports:
      - "25565:25565"   # 只绑定本地，配合 Nginx 反代
    volumes:
      - ./data:/app/data           # 数据持久化（配置、节点信息）
    environment:
      - TZ=Asia/Shanghai

# 启动：docker compose up -d
# 首次访问 http://服务器IP:25565 创建管理员账号（直接账密登录，无需 OAuth）

# 在 Komari 面板后台：节点管理 → 添加节点，复制生成的安装命令
# 命令格式类似：
curl -fsSL https://raw.githubusercontent.com/komari-monitor/komari-agent/main/install.sh \
  | bash -s -- --server https://komari.yourdomain.com --token 你的节点Token

# Agent 会自动注册为系统服务（systemd），开机自启
# 安装成功后几秒内即可在面板上看到该节点的实时指标

# 文件路径：/opt/monitoring/docker-compose.yml
# 完整监控栈：Prometheus + Grafana + Node Exporter

services:

  # ── Prometheus：时序数据收集与存储 ──────────────────────────────────────────
  prometheus:
    image: prom/prometheus:${PROMETHEUS_VERSION}
    container_name: prometheus
    restart: unless-stopped
    ports:
      - "127.0.0.1:9090:9090"      # 不向公网暴露管理与查询接口
    volumes:
      - ./prometheus.yml:/etc/prometheus/prometheus.yml  # 配置文件
      - prometheus_data:/prometheus                       # 数据持久化
    command:
      - --config.file=/etc/prometheus/prometheus.yml
      - --storage.tsdb.retention.time=15d                 # 保留 15 天数据

  # ── Node Exporter：采集宿主机系统指标 ────────────────────────────────────────
  node-exporter:
    image: prom/node-exporter:${NODE_EXPORTER_VERSION}
    container_name: node-exporter
    restart: unless-stopped
    volumes:
      - /proc:/host/proc:ro
      - /sys:/host/sys:ro
      - /:/rootfs:ro
    command:
      - --path.procfs=/host/proc
      - --path.sysfs=/host/sys

  # ── Grafana：数据可视化仪表盘 ────────────────────────────────────────────────
  grafana:
    image: grafana/grafana:${GRAFANA_VERSION}
    container_name: grafana
    restart: unless-stopped
    ports:
      - "127.0.0.1:3000:3000"
    volumes:
      - grafana_data:/var/lib/grafana
    environment:
      - GF_SECURITY_ADMIN_PASSWORD=${GRAFANA_PASSWORD}  # .env 权限设为 600
      - GF_USERS_ALLOW_SIGN_UP=false                     # 禁止公开注册

volumes:
  prometheus_data:
  grafana_data:

# 文件路径：/opt/monitoring/prometheus.yml
# Prometheus 抓取配置

global:
  scrape_interval: 15s      # 每 15 秒抓取一次指标
  evaluation_interval: 15s

scrape_configs:
  # 采集 Prometheus 自身指标
  - job_name: 'prometheus'
    static_configs:
      - targets: ['localhost:9090']

  # 采集宿主机系统指标（通过 Node Exporter）
  - job_name: 'node'
    static_configs:
      - targets: ['node-exporter:9100'] # Compose 网络内使用服务名

  # 如需监控其他服务器，添加更多 targets：
  # - job_name: 'remote-server'
  #   static_configs:
  #     - targets: ['服务器IP:9100']

# ── 通过 BotFather 创建 Telegram 机器人 ─────────────────────────────────────
# 1. 在 Telegram 搜索 @BotFather，发送 /newbot
# 2. 输入机器人名称（如 MyVPS Monitor Bot）
# 3. 输入机器人用户名（必须以 bot 结尾，如 myvps_monitor_bot）
# 4. BotFather 返回 HTTP API Token（格式：1234567890:ABCdef...）

# ── 获取 Chat ID ──────────────────────────────────────────────────────────────
# 方法一：搜索 @userinfobot，发送任意消息，它会回复您的 User ID
# 方法二：将机器人加入群组，发送消息后访问：
# https://api.telegram.org/bot<TOKEN>/getUpdates
# 在返回的 JSON 中找到 "chat":{"id": 你的Chat_ID}

# ── 测试发送消息（替换 TOKEN 和 CHAT_ID）────────────────────────────────────
BOT_TOKEN="你的Bot_Token"
CHAT_ID="你的Chat_ID"

curl -s -X POST "https://api.telegram.org/bot${BOT_TOKEN}/sendMessage"   -d "chat_id=${CHAT_ID}"   -d "parse_mode=Markdown"   -d "text=✅ *测试消息*
服务器：$(hostname)
时间：$(date '+%Y-%m-%d %H:%M:%S')
CPU：$(top -bn1 | grep 'Cpu(s)' | awk '{print $2}')%"
# 如果手机收到消息，配置成功！

# ── 企业微信机器人 Webhook ───────────────────────────────────────────────────
# 在企业微信群聊 → 群设置 → 群机器人 → 添加 → 自定义机器人 → 复制 Webhook URL

curl -s -X POST "https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=你的KEY"   -H "Content-Type: application/json"   -d '{
    "msgtype": "text",
    "text": {
      "content": "⚠️ 服务器告警
主机：yourdomain.com
状态：CPU 使用率超过 90%"
    }
  }'

# ── 飞书机器人 Webhook ────────────────────────────────────────────────────────
# 飞书群聊 → 设置 → 群机器人 → 添加机器人 → 自定义机器人 → 复制 Webhook URL

curl -s -X POST "https://open.feishu.cn/open-apis/bot/v2/hook/你的Token"   -H "Content-Type: application/json"   -d '{
    "msg_type": "text",
    "content": {
      "text": "⚠️ 服务器告警：CPU 使用率超过 90%"
    }
  }'

# ── 钉钉机器人 Webhook ────────────────────────────────────────────────────────
# 钉钉群聊 → 群设置 → 智能群助手 → 添加机器人 → 自定义 → 复制 Webhook URL

curl -s -X POST "https://oapi.dingtalk.com/robot/send?access_token=你的Token"   -H "Content-Type: application/json"   -d '{
    "msgtype": "text",
    "text": {
      "content": "⚠️ 服务器告警：磁盘使用率超过 85%"
    }
  }'

#!/bin/bash
# ════════════════════════════════════════════════════════════════════
#  轻量服务器自检脚本（无需 Docker，适合低配 VPS）
#  功能：检查 CPU/内存/磁盘/关键服务，超阈值发送 Telegram 告警
# ════════════════════════════════════════════════════════════════════
set -euo pipefail

# ── 配置区 ────────────────────────────────────────────────────────────────────
: "${TG_TOKEN:?请通过受限环境文件提供 TG_TOKEN}"
: "${TG_CHAT_ID:?请通过受限环境文件提供 TG_CHAT_ID}"
CPU_THRESHOLD=85               # CPU 使用率告警阈值（%）
MEM_THRESHOLD=90               # 内存使用率告警阈值（%）
DISK_THRESHOLD=85              # 磁盘使用率告警阈值（%）
SERVICES=("nginx" "mysql")     # 需要检查状态的系统服务
LOG_FILE="/var/log/server-check.log"

# ── 工具函数 ──────────────────────────────────────────────────────────────────
log() { echo "[$(date '+%Y-%m-%d %H:%M:%S')] $*" | tee -a "$LOG_FILE"; }

send_alert() {
  local msg="$1"
  log "ALERT: $msg"
  if [[ -n "$TG_TOKEN" && -n "$TG_CHAT_ID" ]]; then
    curl -s -X POST "https://api.telegram.org/bot${TG_TOKEN}/sendMessage"       -d "chat_id=${TG_CHAT_ID}"       -d "text=⚠️ $(hostname): $msg" > /dev/null 2>&1 || true
  fi
}

# ── 检查 CPU ──────────────────────────────────────────────────────────────────
CPU_USAGE=$(top -bn1 | grep "Cpu(s)" | awk '{print int($2)}')
if (( CPU_USAGE > CPU_THRESHOLD )); then
  send_alert "CPU 使用率 ${CPU_USAGE}%，超过阈值 ${CPU_THRESHOLD}%"
fi

# ── 检查内存 ──────────────────────────────────────────────────────────────────
MEM_TOTAL=$(free | awk '/Mem:/ {print $2}')
MEM_USED=$(free | awk '/Mem:/ {print $3}')
MEM_USAGE=$(( MEM_USED * 100 / MEM_TOTAL ))
if (( MEM_USAGE > MEM_THRESHOLD )); then
  send_alert "内存使用率 ${MEM_USAGE}%，超过阈值 ${MEM_THRESHOLD}%"
fi

# ── 检查磁盘（检查所有已挂载的本地文件系统）──────────────────────────────────
while IFS= read -r line; do
  USAGE=$(echo "$line" | awk '{print $5}' | tr -d '%')
  MOUNT=$(echo "$line" | awk '{print $6}')
  if (( USAGE > DISK_THRESHOLD )); then
    send_alert "磁盘 ${MOUNT} 使用率 ${USAGE}%，超过阈值 ${DISK_THRESHOLD}%"
  fi
done < <(df -h --output=source,size,used,avail,pcent,target | grep '^/' | tail -n +2)

# ── 检查关键服务 ──────────────────────────────────────────────────────────────
for svc in "${SERVICES[@]}"; do
  if ! systemctl is-active --quiet "$svc"; then
    send_alert "服务 $svc 已停止运行，需要人工确认日志、依赖和最近变更"
  fi
done

log "自检完成：CPU=${CPU_USAGE}% MEM=${MEM_USAGE}% DISK 检查完成"

# ── 部署（每 5 分钟执行一次）────────────────────────────────────────────────
# chmod +x /root/server-check.sh
# crontab -e 添加：
# 使用权限为 600 的 EnvironmentFile 向 systemd timer 提供令牌；
# 不要把令牌直接写进脚本或 crontab，也不要静默自动重启未知故障