很多站点出问题，第一个发现的人不是站长，而是访客。可能是一条“网站打不开”的留言，也可能是搜索流量突然掉了才发现。站点运营里，可用性监控和告警属于那种平时不起眼、出事时很关键的基础工作。它不能保证服务器永远不出故障，但能让你在故障扩大之前知道发生了什么。
先明确要监控什么
监控不是越多越好，先把最影响访客和抓取的几个点覆盖住。
- 首页与核心栏目页：用 HTTP 状态码判断是否可访问，至少覆盖首页、主要频道页、文章详情页模板。
- 响应时间：记录服务器返回首字节的时间，突然变慢往往先于 5xx 出现，也更容易被蜘蛛降低抓取频率。
- HTTPS 证书：证书到期前 30 天、15 天、7 天分别提醒，避免浏览器直接拦截。
- DNS 解析：偶尔出现的解析失败不一定会持续，但会影响部分地区访客和蜘蛛。
- 蜘蛛抓取异常：如果抓取日志里某类页面的抓取量突然归零，或大量返回 5xx，值得马上排查。
告警阈值别照搬模板
阈值设置得太敏感，会收到大量误报；设置得太宽松，故障发生了也不报警。可以按下面的思路调整。
- 连续两次检测失败再告警，避免网络抖动造成误报。
- 响应时间超过日常均值的两到三倍，持续几分钟再提醒。
- 5xx 比例超过一定数量或比例时告警，不要只盯单次请求。
- 证书、域名、服务器到期类提醒提前量要足够，最好单独设一条通知。
不同站点访问量差异很大，阈值没有统一标准。先记录一周正常数据，再根据实际情况设置，比直接抄别人的数值更靠谱。
通知渠道要有人真正看到
告警发到没人看的群里，等于没有告警。建议至少设置两个渠道，比如邮件加即时通讯工具，并明确谁负责查看。夜间和节假日也要考虑，如果站点有交易或重要内容更新，最好安排轮值或让告警能叫醒负责人。
告警的目的不是证明监控系统在工作，而是让合适的人在合适的时间采取行动。如果每天收到几十条无用提醒，真正出问题时反而容易被忽略。
把抓取异常也纳入监控
站点可用性不只是“访客能打开”，还包括蜘蛛能不能正常抓取。可以在日志或站长平台里关注几件事：
- 抓取总量是否在正常范围内波动；
- 重点目录的抓取量是否突然下降；
- 服务器返回给蜘蛛的状态码是否以 200 为主；
- 新发布的内容有没有在预期时间内被访问。
这些数据不需要每天详细分析，但可以设置周报或异常提醒。一旦发现抓取量断崖式下跌，先检查服务器和防火墙，再检查 robots.txt 与页面模板，不要只盯着内容质量。
定期做一次故障演练与复盘
监控配置好之后，最好手动验证一次：临时停掉一个测试页面，看看告警是否按预期发出；检查通知是否送达正确的人；确认恢复后有没有恢复通知。小范围演练比真正故障时手忙脚乱要好。
每次真实故障处理后，简单记录原因、发现时间、恢复时间和改进项。比如某次是磁盘写满，那除了清理磁盘，还要检查日志轮转和磁盘告警阈值。站点运营的很多经验，都是这样一点点积累出来的。
监控和告警不会直接带来排名或流量，但它能减少站点长时间不可访问的风险。对访客来说，能稳定打开是基本要求；对搜索引擎来说，稳定响应也有助于保持正常的抓取节奏。把这项工作做扎实，比事后补救更省心。