用夜莺监控 Linux

CPU、内存、磁盘、网络、进程到内核参数，Categraf 装上就有数据，模板覆盖 Categraf、node_exporter 和 Telegraf 三种采集口径。

最后校对于 2026-11-02

Linux 主机是绝大多数监控的起点。Categraf 自带的 cpu、mem、disk、diskio、net、netstat、kernel、processes 等插件默认开启，装好就上报，不用额外配置；下面列出的是那些有可调项的插件。

模板里的仪表盘和规则分三套：按 Categraf 指标名写的、按 node_exporter 指标名写的、按 Telegraf 指标名写的。用哪种采集器就导哪一套，混用会看到空面板。规则覆盖了磁盘写满预测、IO 繁忙、conntrack 表、时间漂移、失联等运维上真正会半夜被叫醒的场景。

模板里有什么

5 张仪表盘，共 71 个面板
60 条告警规则，每条附处置步骤
132 条指标说明
Categraf 采集配置：input.arp_packet、input.kernel_vmstat、input.logs-agent、input.netstat、input.node_exporter、input.ntp、input.processes、input.sshd、input.supervisor

怎么接入

安装 Categraf，按需启用下面的插件。每个配置放到对应的 conf/input.<插件名>/ 目录，改好地址和凭据后重启 Categraf。

conf/input.arp_packet/arp_packet.toml

# # collect interval
# interval = 15

[[instances]]
#eth_device="ens192"

conf/input.kernel_vmstat/kernel_vmstat.toml

# # collect interval
# interval = 15

# file: /proc/vmstat
[white_list]
oom_kill = 1
nr_free_pages = 0
nr_alloc_batch = 0
nr_inactive_anon = 0
nr_active_anon = 0
nr_inactive_file = 0
nr_active_file = 0
nr_unevictable = 0
nr_mlock = 0
nr_anon_pages = 0
nr_mapped = 0
nr_file_pages = 0
nr_dirty = 0
nr_writeback = 0
nr_slab_reclaimable = 0
nr_slab_unreclaimable = 0
nr_page_table_pages = 0
nr_kernel_stack = 0
nr_unstable = 0
nr_bounce = 0
nr_vmscan_write = 0
nr_vmscan_immediate_reclaim = 0
nr_writeback_temp = 0
nr_isolated_anon = 0
nr_isolated_file = 0
nr_shmem = 0
nr_dirtied = 0
nr_written = 0
numa_hit = 0
numa_miss = 0
numa_foreign = 0
numa_interleave = 0
numa_local = 0
numa_other = 0
workingset_refault = 0
workingset_activate = 0
workingset_nodereclaim = 0
nr_anon_transparent_hugepages = 0
nr_free_cma = 0
nr_dirty_threshold = 0
nr_dirty_background_threshold = 0
pgpgin = 0
pgpgout = 0
pswpin = 0
pswpout = 0
pgalloc_dma = 0
pgalloc_dma32 = 0
pgalloc_normal = 0
pgalloc_movable = 0
pgfree = 0
pgactivate = 0
pgdeactivate = 0
pgfault = 0
pgmajfault = 0
pglazyfreed = 0
pgrefill_dma = 0
pgrefill_dma32 = 0
pgrefill_normal = 0
pgrefill_movable = 0
pgsteal_kswapd_dma = 0
pgsteal_kswapd_dma32 = 0
pgsteal_kswapd_normal = 0
pgsteal_kswapd_movable = 0
pgsteal_direct_dma = 0
pgsteal_direct_dma32 = 0
pgsteal_direct_normal = 0
pgsteal_direct_movable = 0
pgscan_kswapd_dma = 0
pgscan_kswapd_dma32 = 0
pgscan_kswapd_normal = 0
pgscan_kswapd_movable = 0
pgscan_direct_dma = 0
pgscan_direct_dma32 = 0
pgscan_direct_normal = 0
pgscan_direct_movable = 0
pgscan_direct_throttle = 0
zone_reclaim_failed = 0
pginodesteal = 0
slabs_scanned = 0
kswapd_inodesteal = 0
kswapd_low_wmark_hit_quickly = 0
kswapd_high_wmark_hit_quickly = 0
pageoutrun = 0
allocstall = 0
pgrotated = 0
drop_pagecache = 0
drop_slab = 0
numa_pte_updates = 0
numa_huge_pte_updates = 0
numa_hint_faults = 0
numa_hint_faults_local = 0
numa_pages_migrated = 0
pgmigrate_success = 0
pgmigrate_fail = 0
compact_migrate_scanned = 0
compact_free_scanned = 0
compact_isolated = 0
compact_stall = 0
compact_fail = 0
compact_success = 0
htlb_buddy_alloc_success = 0
htlb_buddy_alloc_fail = 0
unevictable_pgs_culled = 0
unevictable_pgs_scanned = 0
unevictable_pgs_rescued = 0
unevictable_pgs_mlocked = 0
unevictable_pgs_munlocked = 0
unevictable_pgs_cleared = 0
unevictable_pgs_stranded = 0
thp_fault_alloc = 0
thp_fault_fallback = 0
thp_collapse_alloc = 0
thp_collapse_alloc_failed = 0
thp_split = 0
thp_zero_page_alloc = 0
thp_zero_page_alloc_failed = 0
balloon_inflate = 0
balloon_deflate = 0
balloon_migrate = 0

conf/input.logs-agent/logs-agent.toml

[logs]
## just a placholder
api_key = ""
## enable log collect or not
enable = true
## the server receive logs, http/tcp/kafka, only kafka brokers can be multiple ip:ports with concatenation character ","
send_to = "127.0.0.1:17878"
## send logs with protocol: http/tcp/kafka
send_type = "http"
topic = "flashcatcloud"
## send logs with compression or not 
use_compress = false
## use ssl or not
send_with_tls = false
## send logs in batchs
batch_wait = 5
## save offset in this path 
run_path = "/opt/categraf/run"
## max files can be open 
open_files_limit = 100
## scan config file in 10 seconds
scan_period = 10
## read buffer of udp 
frame_size = 9000

## channal size, default 100
## 读取日志缓冲区，行数
chan_size = 1000
## pipeline num , default 4
## 有多少线程处理日志
pipeline=4
## configuration for kafka
## 指定kafka版本
kafka_version="3.3.2"
# 默认0 表示串行,如果对日志顺序有要求,保持默认配置
batch_max_concurrence = 0
# 最大并发批次, 默认100
batch_max_size=100
# 每次最大发送的内容上限 默认1000000
batch_max_content_size=1000000
# client timeout in seconds
producer_timeout= 10

# 是否开启sasl模式
sasl_enable = false
sasl_user = "admin"
sasl_password = "admin"
# PLAIN
sasl_mechanism= "PLAIN"
# v1
sasl_version=1
# set true
sasl_handshake = true
# optional
# sasl_auth_identity=""
#
##
# v0.3.39以上版本新增,是否开启pod日志采集
enable_collect_container=false

# 是否采集所有pod的stdout stderr
collect_container_all = true
  ## glog processing rules
  # [[logs.Processing_rules]]
  ## single log configure
  [[logs.items]]
  ## file/journald/tcp/udp
  type = "file"
  ## type=file, path is required; type=journald/tcp/udp, port is required
  path = "/opt/tomcat/logs/*.txt"
  source = "tomcat"
  service = "my_service"

conf/input.netstat/netstat.toml

# # collect interval
# interval = 15

disable_summary_stats = false
## if machine has many network connections, use this plugin may exhaust your cpu resource, disable connection stat to avoid this
disable_connection_stats = true

tcp_ext = false
ip_ext = false

conf/input.node_exporter/node_exporter.toml

#collectors=[
#    "--path.procfs=/hostfs/proc",
#    "--path.sysfs=/hostfs/sys",
#    "--path.rootfs=/hostfs",
#    "--collector.arp",
#    "--collector.bcache",
#    "--collector.bonding",
#    "--collector.btrfs",
#    "--collector.conntrack",
#    "--collector.cpu",
#    "--collector.cpufreq",
#    "--collector.diskstats",
#    "--collector.dmi",
#    "--collector.edac",
#    "--collector.entropy",
#    "--collector.fibrechannel",
#    "--collector.filefd",
#    "--collector.filesystem",
#    "--collector.hwmon",
#    "--collector.infiniband",
#    "--collector.ipvs",
#    "--collector.loadavg",
#    "--collector.mdadm",
#    "--collector.meminfo",
#    "--collector.netclass",
#    "--collector.netdev",
#    "--collector.netstat",
#    "--collector.nfs",
#    "--collector.nfsd",
#    "--collector.nvme",
#    "--collector.os",
#    "--collector.powersupplyclass",
#    "--collector.pressure",
#    "--collector.rapl",
#    "--collector.schedstat",
#    "--collector.selinux",
#    "--collector.sockstat",
#    "--collector.softnet",
#    "--collector.stat",
#    "--collector.tapestats",
#    "--collector.textfile",
#    "--collector.thermal_zone",
#    "--collector.time",
#    "--collector.timex",
#    "--collector.udp_queues",
#    "--collector.uname",
#    "--collector.vmstat",
#    "--collector.xfs",
#    "--collector.zfs",
#    "--collector.processes"
#]
#[[relabel_configs]]
#source_labels = ["agent_hostname"]
#target_label = "instance"
#action = "replace"
collectors=[]

conf/input.ntp/ntp.toml

# # collect interval
# interval = 15

# # ntp servers
# ntp_servers = ["ntp.aliyun.com"]

# # response time out seconds
# timeout = 5

conf/input.processes/processes.toml

# # collect interval
# interval = 15

# # force use ps command to gather
# force_ps = false

# # force use /proc to gather
# force_proc = false

conf/input.sshd/sshd.toml

# interval = 15

#[[instances]]
# # append labels
# labels = { region="cloud", product="n9e" }

# # whether to enable username label in metrics
# # when enabled, metrics will include username labels for detailed tracking
# # default: false
# enable_username = false

# # whether to enable client_ip label in metrics
# # when enabled, metrics will include client_ip labels for detailed tracking
# # default: false
# enable_ip = false

conf/input.supervisor/supervisor.toml

# Gathers information about processes that running under supervisor using XML-RPC API
[[instances]]
## Url of supervisor's XML-RPC endpoint if basic auth enabled in supervisor http server,
## than you have to add credentials to url (ex. http://login:pass@localhost:9001/RPC2)
# url = "http://login:pass@localhost:9001/RPC2"
## With settings below you can manage gathering additional information about processes
## If both of them empty, then all additional information will be collected.
## Currently supported supported additional metrics are: pid, rc
# metrics_include = []
# metrics_exclude = ["pid", "rc"]

在夜莺「集成中心」里找到 Linux，把仪表盘和告警规则导入到业务组。
导入的告警规则默认是停用的。先确认指标已经入库，再按自己环境的阈值逐条启用。

内置仪表盘

仪表盘	面板数
机器常用指标（如果只想看当前业务组内的机器修改大盘变量 ident 的变量类型为机器标识即可）	22
机器台账表格视图（使用 Categraf 作为采集器）	3
机器进程数量统计（使用 Categraf 作为采集器）	4
Host Table NG	1
机器常用指标（使用 NodeExporter 作为采集器）	41

内置告警规则

共 60 条，导入后默认停用，按自己环境的阈值逐条启用。下表 56 条规则的触发条件（PromQL）和处置步骤收录在告警规则库：Linux 告警规则。

规则	级别	持续
Conntrack表的使用率超过80%	S2 警告	1 分钟
CPU利用率较高	S3 提醒	1 分钟
HTTP地址探测失败	S2 警告	1 分钟
IO比较繁忙	S2 警告	1 分钟
NTP时间偏移太大	S2 警告	1 分钟
PING地址探测失败	S2 警告	1 分钟
TME_WAIT状态的连接超过2万，可能需要关注	S2 警告	1 分钟
内存利用率比较高	S3 提醒	1 分钟
文件句柄使用率超过90%	S2 警告	1 分钟
每个CPU Core的平均负载任务超过3	S2 警告	1 分钟
硬盘监控 - inode使用率超过90%	S2 警告	1 分钟
硬盘监控 - 大于200G的盘，空间不足了	S3 提醒	1 分钟
硬盘监控 - 小于200G的盘，空间不足了	S3 提醒	1 分钟
硬盘监控 - 设备有报错	S2 警告	1 分钟
硬盘监控 - 预测硬盘会在未来4小时内写满	S1 紧急	1 分钟
系统有OOM产生	S2 警告	—
网卡监控 - 入方向有丢包	S3 提醒	1 分钟
网卡监控 - 入方向有错包	S3 提醒	1 分钟
网卡监控 - 出方向有丢包	S3 提醒	1 分钟
网卡监控 - 出方向有错包	S3 提醒	1 分钟
网络地址探活失败	S2 警告	1 分钟
进程监控-有进程数为0，某进程可能挂了	S1 紧急	1 分钟
进程监控-进程句柄限制过小	S3 提醒	1 分钟
进程监控-进程总量超过600	S2 警告	1 分钟
Hard disk - expected to be written full in 4 hours - categraf	S1 紧急	1 分钟
Hard disk - IO is a bit busy - categraf	S2 警告	1 分钟
Machine load - high memory, please pay attention - categraf	S3 提醒	1 分钟
number of TME_WAIT exceeds 20,000 - categraf	S2 警告	1 分钟
packet loss in the inbound direction - categraf	S3 提醒	1 分钟
packet loss in the outbound direction - categraf	S3 提醒	1 分钟
大于200G的盘，空间不足了	S3 提醒	1 分钟
小于200G的盘，空间不足了	S3 提醒	1 分钟
A certain disk is unable to read/write normally	S1 紧急	1 分钟
Disk needs to be cleaned - utilization has reached 92% - node exporter	S1 紧急	1 分钟
Insufficient computational resources - average load per core of the machine is greater than 10 - node exporter	S2 警告	1 分钟
Insufficient file handles - usage exceeds 90% - node exporter	S2 警告	1 分钟
Insufficient inode resources - usage exceeds 90% - node exporter	S2 警告	1 分钟
Insufficient memory resources - utilization is greater than 75% - node exporter	S2 警告	1 分钟
Insufficient memory resources - utilization is greater than 95% - node exporter	S1 紧急	1 分钟
Packet loss in the inbound direction of the network card - node exporter	S2 警告	1 分钟
Packet loss in the outbound direction of the network card - node exporter	S2 警告	1 分钟
System conntrack needs to be adjusted - usage exceeds 80% - node exporter	S2 警告	1 分钟
System experiences OOM - node exporter	S2 警告	1 分钟
Too many running processes - exceeding 3000 - node exporter	S2 警告	1 分钟
Address is unreachable by PING, please pay attention - telegraf	S1 紧急	1 分钟
Hard disk - expected to be written full in 4 hours - telegraf	S1 紧急	1 分钟
Hard disk - IO is very busy - telegraf	S2 警告	1 分钟
Machine load - high CPU, please pay attention - telegraf	S3 提醒	1 分钟
Machine load - high memory, please pay attention - telegraf	S2 警告	1 分钟
Network connection - number of TME_WAIT exceeds 20,000 - telegraf	S2 警告	1 分钟
packet loss in the inbound direction - telegraf	S3 提醒	1 分钟
packet loss in the outbound direction - telegraf	S3 提醒	1 分钟
Port detection failed, please pay attention - telegraf	S1 紧急	1 分钟
process handle limit is too small - telegraf	S3 提醒	1 分钟
Process monitoring - lookup failure - telegraf	S1 紧急	1 分钟
there are processes with 0 count, a certain process may have crashed - telegraf	S1 紧急	1 分钟

其余规则（4）

这些规则没有收进告警规则库，完整内容列在这里。

机器监控 - agent失联超过60秒

处置步骤:

先用 ping 与 ssh 确认机器本身是否存活，机器宕机要按宕机处理；
机器存活则用 systemctl status categraf 确认 agent 进程，看日志 journalctl -u categraf -n 100 定位；
常见原因是 agent 崩溃、配置错误、或到服务端的网络/认证不通——用 curl 手工打一次服务端的写入接口验证；
恢复后确认数据已连续，注意盲区期间的故障不会有历史告警。

机器监控 - 时间偏移超过3秒，请注意

持续 1 分钟

处置步骤:

用 date 与 chronyc tracking 确认本机时间与偏移量；
确认 chronyd/ntpd 服务是否在运行，未运行则启动并设为开机自启；
检查到 NTP 服务器的网络是否放行 123/UDP，必要时换用内网 NTP 源；
偏移过大时用 chronyc makestep 强制对时，对时间敏感的业务先做好准备。

Lost connection with monitoring target - categraf

处置步骤:

先用 ping 与 ssh 确认机器本身是否存活，机器宕机要按宕机处理；
机器存活则用 systemctl status categraf 确认 agent 进程，看日志 journalctl -u categraf -n 100 定位；
常见原因是 agent 崩溃、配置错误、或到服务端的网络/认证不通——用 curl 手工打一次服务端的写入接口验证；
恢复后确认数据已连续，注意盲区期间的故障不会有历史告警。

Lost connection with monitoring target - telegraf

处置步骤:

先用 ping 与 ssh 确认机器本身是否存活，机器宕机要按宕机处理；
机器存活则用 systemctl status categraf 确认 agent 进程，看日志 journalctl -u categraf -n 100 定位；
常见原因是 agent 崩溃、配置错误、或到服务端的网络/认证不通——用 curl 手工打一次服务端的写入接口验证；
恢复后确认数据已连续，注意盲区期间的故障不会有历史告警。

指标说明

共 132 条，和仪表盘、告警规则里用到的指标一一对应。

指标	含义	单位
`cpu_usage_guest`	CPU Guest 时间占比 — CPU 为 Guest OS 运行虚拟 CPU 的时间占比。标签 `cpu="cpu-total"`，表示整机的统计值; 标签 `cpu="0"`，表示 0 号 CPU 的统计值	%
`cpu_usage_iowait`	CPU iowait 时间占比 — 表示 CPU 花费在等待 I/O 操作（输入/输出）完成的时间比例; 标签 `cpu="cpu-total"`，表示整机的 iowait 占用率; 标签 `cpu="0"`，表示 0 号 CPU 的 iowait 占用率	%
`cpu_usage_steal`	CPU Steal 时间占比 — 表示虚拟机（Guest OS）CPU 时间被虚拟化管理器（Hypervisor）用于运行其他虚拟机的时间比例。物理机中这个指标值是 0，没有用处；虚拟机中这个指标值长时间大于 10 表示争抢严重。参考资料; 标签 `cpu="cpu-total"`，表示整机的统计值; 标签 `cpu="0"`，表示 0 号 CPU 的统计值	%
`cpu_usage_nice`	CPU 低优先级进程的时间占比 — 在Linux系统中，每个进程都有一个“nice”值，这个值的范围通常是从-20到19。默认的 nice 值为0。负的 nice 值表示高优先级（更快的 CPU 访问），而正的 nice 值表示低优先级（更慢的 CPU 访问）。该指标统计 nice 值为 1-19 的进程的时间占比。标签 `cpu="cpu-total"`，表示整机的统计值; 标签 `cpu="0"`，表示 0 号 CPU 的统计值	%
`cpu_usage_system`	CPU 内核态时间占比 — 表示 CPU 内核态的时间占比; 标签 `cpu="cpu-total"`，表示整机的统计值; 标签 `cpu="0"`，表示 0 号 CPU 的统计值	%
`cpu_usage_active`	CPU 利用率 — - 标签 `cpu="cpu-total"`，表示整机的 CPU 利用率; 标签 `cpu="0"`，表示 0 号 CPU 的单核利用率	%
`cpu_usage_user`	CPU 用户态时间占比 — 表示 CPU 用户态的时间占比; 标签 `cpu="cpu-total"`，表示整机的统计值; 标签 `cpu="0"`，表示 0 号 CPU 的统计值	%
`cpu_usage_irq`	CPU 硬中断时间占比 — 表示 CPU 处理硬中断的时间占比; 标签 `cpu="cpu-total"`，表示整机的统计值; 标签 `cpu="0"`，表示 0 号 CPU 的统计值	%
`cpu_usage_idle`	CPU 空闲率 — - 标签 `cpu="cpu-total"`，表示整机的 CPU 空闲率; 标签 `cpu="0"`，表示 0 号 CPU 的单核空闲率	%
`cpu_usage_softirq`	CPU 软中断时间占比 — 表示 CPU 处理软中断的时间占比; 标签 `cpu="cpu-total"`，表示整机的统计值; 标签 `cpu="0"`，表示 0 号 CPU 的统计值	%
`netstat_tcp_established`	ESTABLISHED 状态的网络链接数
`netstat_tcp_fin_wait1`	FIN_WAIT1 状态的网络链接数
`netstat_tcp_fin_wait2`	FIN_WAIT2 状态的网络链接数
`100 * conntrack_ip_conntrack_count / conntrack_ip_conntrack_max`	IP conntrack 使用率 — 如果用满了，通常会在系统日志中看到：conntrack table full 这样的报错，可以调整系统最大值解决	%
`netstat_tcp_last_ack`	LAST_ACK 状态的网络链接数
`netstat_tcp_listen`	LISTEN 状态的网络链接数
`100 * conntrack_nf_conntrack_count / conntrack_nf_conntrack_max`	NF conntrack 使用率	%
`increase(kernel_vmstat_oom_kill[1m])`	1分钟内 OOM 次数统计 — 取自 `/proc/vmstat`，需要较高版本的内核，没记错的话应该是 4.13 以上版本
`netstat_tcp_syn_recv`	SYN_RECV 状态的网络链接数
`netstat_tcp_syn_sent`	SYN_SENT 状态的网络链接数
`netstat_tcp_time_wait`	TIME_WAIT 状态的网络链接数 — categraf 配置文件 `conf/input.netstat/netstat.toml` 中 `disable_connection_stats` 默认配置为 true，是因为在网络连接比较多的机器上，获取各个状态的连接数会耗费较多 CPU，所以默认 disable 掉了。
`netstat_tcp_tw`	TIME_WAIT 状态的网络链接数（推荐） — 读取自 `/proc/net/sockstat`。
`(mem_swap_total - mem_swap_free)/mem_swap_total * 100 and mem_swap_total > 0`	交换空间使用率 — 交换空间使用率。计算原子取自 `/proc/meminfo`。	%
`mem_swap_total - mem_swap_free`	交换空间使用量 — 交换空间使用量。计算原子取自 `/proc/meminfo`。	bytes
`mem_swap_total`	交换空间总量 — 交换空间总量。取自 `/proc/meminfo`。	bytes
`mem_swap_free`	交换空间空闲量 — 交换空间空闲量。取自 `/proc/meminfo`。	bytes
`mem_buffered`	内存 Buffered 量 — 用作缓冲区的内存量。取自 `/proc/meminfo`。	bytes
`mem_cached`	内存 Cached 量 — 用作文件缓存的内存量。取自 `/proc/meminfo`。	bytes
`mem_used_percent`	内存使用率 — 内存使用率	%
`100 - mem_available_percent`	内存使用率（基于MemAvailable） — 内存使用率。基于 MemAvailable 计算更准确，但是老版本的 Linux 不支持。	%
`mem_used`	内存使用量 — 内存使用量 = Total - Free - Buffered - Cached	bytes
`mem_available_percent`	内存可用率 — 可以立即分配给进程的可用内存量除以内存总量。分子分母的值均取自 `/proc/meminfo`。	%
`mem_available`	内存可用量 — 可以立即分配给进程的可用内存量。取自 `/proc/meminfo`。	bytes
`mem_total`	内存总量 — 内存总量。取自 `/proc/meminfo`。	bytes
`mem_active`	内存活跃量 — 这个字段表示当前活跃使用的内存总量，即系统最近访问过并且预计很快会再次使用的内存页面。取自 `/proc/meminfo`。	bytes
`mem_free`	内存空闲量 — 未使用的内存量。取自 `/proc/meminfo`。	bytes
`mem_inactive`	内存非活跃量 — 在上一采样周期未以某种方式使用的内存量。取自 `/proc/meminfo`。	bytes
`netstat_udp_socket`	当前 UDP 连接数
`disk_inodes_used / disk_inodes_total * 100`	硬盘 inode 使用率 — 如果存储了很多小文件，需要注意 inode 使用情况。	%
`disk_inodes_used`	硬盘 inode 使用量 — 如果存储了很多小文件，需要注意 inode 使用情况。
`disk_inodes_free`	硬盘 inode 剩余量 — 如果存储了很多小文件，需要注意 inode 使用情况。
`disk_inodes_total`	硬盘 inode 总量 — 如果存储了很多小文件，需要注意 inode 使用情况。
`irate(diskio_write_time[2m])/irate(diskio_writes[2m])`	硬盘 IO - 写请求平均耗时	ms
`diskio_write_time`	硬盘 IO - 写请求等待处理的时间 — 写入请求在磁盘上等待的时间。同时等待的多个写入请求会增加该数字。例如，如果 8 个请求均平均等待 1000 毫秒，则报告 8000。	ms
`diskio_weighted_io_time`	硬盘 IO - 加权 IO 处理时间 — 只要设备在处理 IO，不管同时处理了几个，diskio_io_time 就会递增；同时处理的 IO 数量乘以时间就得到加权的值：diskio_weighted_io_time。	ms
`irate(diskio_io_time[2m])/1000*100`	硬盘 IO - 时间维度 Utilization — 在时间维度统计硬盘 IO 时间占比，比如该值是 50%，表示有 50% 的时间是在处理 IO，该值 100%，表示一直在处理 IO，但是注意，现代磁盘设备具备并行处理多个 I/O 请求的能力，所以即便该值是 100%，可能硬盘还是可以接收新的处理请求。比如某人有两只手，最近 1 分钟一直在用单手劳动，从时间维度来看，利用率是 100%，但即便是 100%，再给他更多的活，他也能干，因为他还有一只手可用。	%
`irate(diskio_write_bytes[2m])`	硬盘 IO - 每秒写入字节数量	bytes/s
`irate(diskio_writes{}[2m])`	硬盘 IO - 每秒写次数
`irate(diskio_merged_writes[2m])`	硬盘 IO - 每秒合并写请求次数 — 相邻的读取和写入可能会为了效率而被合并。因此，在最终交给磁盘之前，两个4K的读取可能会变成一个8K的读取，因此它将被计数（和排队）为仅有一个I/O。这些字段让你知道这种情况发生的频率。
`irate(diskio_merged_reads[2m])`	硬盘 IO - 每秒合并读请求次数 — 相邻的读取和写入可能会为了效率而被合并。因此，在最终交给磁盘之前，两个4K的读取可能会变成一个8K的读取，因此它将被计数（和排队）为仅有一个I/O。这些字段让你知道这种情况发生的频率。
`irate(diskio_read_bytes[2m])`	硬盘 IO - 每秒读取字节数量	bytes/s
`irate(diskio_reads{}[2m])`	硬盘 IO - 每秒读次数
`diskio_io_time`	硬盘 IO - 硬盘在处理 IO 的时间 — 硬盘在处理 IO 的时间，单位是毫秒。假设最近 1 秒内有 500 毫秒是在处理 IO，这个值就要加 500，这是一个单调递增的 Counter 值，从操作系统启动之后就会一直涨。实际使用的时候，一般使用该指标计算硬盘 IO UTIL（时间维度的百分比）。	ms
`diskio_iops_in_progress`	硬盘 IO - 设备驱动程序正在处理的 IO 数量 — 当前已经分配给设备驱动程序并且尚未完成的请求数量，Gauge 类型。如果 I/O 请求已经进入队列，但是尚未分配给设备驱动程序，则不统计在内。
`irate(diskio_read_time[2m])/irate(diskio_reads[2m])`	硬盘 IO - 读请求平均耗时	ms
`diskio_read_time`	硬盘 IO - 读请求等待处理的时间 — 读取请求在磁盘上等待的时间。同时等待的多个读取请求会增加该数字。例如，如果 5 个请求均平均等待 100 毫秒，则报告 500。	ms
`irate(diskio_weighted_io_time[1m])/1000`	硬盘 IO - 队列深度 — 假设过去 1000 毫秒内有 5000 毫秒的加权等待时间，相当于平均有 5 个 IO 请求在等待，即队列深度为 5。
`disk_used_percent`	硬盘使用率 — 硬盘空间使用率。	%
`disk_used`	硬盘使用量 — 使用 SI 标准渲染数据，和 df 命令保持一致。	bytes
`disk_device_error`	硬盘信息读取是否出错 — 0 表示正常，没有出错；非 0 表示获取硬盘信息出错了。
`disk_free`	硬盘剩余量 — 使用 SI 标准渲染数据，和 df 命令保持一致。	bytes
`disk_total`	硬盘总量 — 使用 SI 标准渲染数据，和 df 命令保持一致。	bytes
`system_n_cpus`	系统 CPU 核数 — CPU 逻辑核的数量。
`system_uptime`	系统启动时长 — 操作系统启动了多久，单位：秒。	s
`system_load1`	系统平均负载 - 最近 1 分钟 — 取自 `/proc/loadavg`。
`system_load15`	系统平均负载 - 最近 15 分钟 — 取自 `/proc/loadavg`。
`system_load5`	系统平均负载 - 最近 5 分钟 — 取自 `/proc/loadavg`。
`system_load_norm_1`	系统平均负载（单核） - 最近 1 分钟 — 相当于 `system_load1 / system_n_cpus`
`system_load_norm_15`	系统平均负载（单核） - 最近 15 分钟 — 相当于 `system_load15 / system_n_cpus`
`system_load_norm_5`	系统平均负载（单核） - 最近 5 分钟 — 相当于 `system_load5 / system_n_cpus`
`irate(net_drop_in[2m])`	网卡入方向（接收）每秒丢弃的数据包个数 — 原始指标 net_drop_in 表示操作系统启动之后各个网卡入方向（接收）丢弃的数据包总数。
`irate(net_packets_recv[2m])`	网卡入方向（接收）每秒数据包数 — 原始指标 net_packets_recv 表示操作系统启动之后各个网卡入方向（接收）数据包总数。
`irate(net_err_in[2m])`	网卡入方向（接收）每秒错包数 — 原始指标 net_err_in 表示操作系统启动之后各个网卡入方向（接收）错包总数。
`irate(net_drop_out[2m])`	网卡出方向（发送）每秒丢弃的数据包个数 — 原始指标 net_drop_out 表示操作系统启动之后各个网卡出方向（发送）丢弃的数据包总数。
`irate(net_packets_sent[2m])`	网卡出方向（发送）每秒数据包数 — 原始指标 net_packets_sent 表示操作系统启动之后各个网卡出方向（发送）数据包总数。
`irate(net_err_out[2m])`	网卡出方向（发送）每秒错包数 — 原始指标 net_err_out 表示操作系统启动之后各个网卡出方向（发送）错包总数。
`irate(net_bytes_sent[2m]) * 8`	网卡每秒发送的 bit 量 — 原始指标 net_bytes_sent 表示操作系统启动之后发送的 byte 总量，因为网卡流量习惯使用 bit 作为单位，所以在表达式中做了换算。	bit/s
`irate(net_bytes_recv[2m]) * 8`	网卡每秒接收的 bit 量 — 原始指标 net_bytes_recv 表示操作系统启动之后接收的 byte 总量，因为网卡流量习惯使用 bit 作为单位，所以在表达式中做了换算。	bit/s
`processes_dead`	进程数 - “僵死”状态的进程数 — 处于“僵死”状态的进程数，它是由 Linux 上的 X 状态代码表示的。
`processes_paging`	进程数 - “分页”状态的进程数 — 处于“分页”状态的进程数，它是由 Linux 上的 W 状态代码表示的。
`processes_stopped`	进程数 - 停止的进程数 — 停止的进程数，由 T 状态代码表示。
`processes_zombies`	进程数 - 僵尸进程数 — 僵尸进程数，由 Z 状态代码表示。
`processes_total`	进程数 - 总数 — 实例上的总进程数。
`processes_unknown`	进程数 - 未知状态的进程数 — 未知状态的进程数。
`processes_sleeping`	进程数 - 正在睡眠的进程数 — 睡眠的进程数，由 S 状态代码表示。
`processes_running`	进程数 - 正在运行的进程数 — 正在运行的进程数，由 R 状态代码表示。
`processes_idle`	进程数 - 空闲的数量 — 处于空闲状态 (睡眠超过 20 秒) 的进程数。
`processes_total_threads`	进程数 - 线程总数 — 组成进程的总线程数。该指标仅适用于 Linux 实例。
`processes_blocked`	进程数 - 被阻止的进程数 — 被阻止的进程数量。
`avg without (mode,cpu) ( irate(node_cpu_seconds_total{mode="steal"}[2m]) ) * 100`	CPU Steal 时间占比（整机平均）	%
`avg without (mode,cpu) ( irate(node_cpu_seconds_total{mode="system"}[2m]) ) * 100`	CPU 内核态时间占比（整机平均）	%
`avg without (mode,cpu) ( 1 - irate(node_cpu_seconds_total{mode="idle"}[2m]) ) * 100`	CPU 利用率（整机平均）	%
`avg without (mode,cpu) ( irate(node_cpu_seconds_total{mode="user"}[2m]) ) * 100`	CPU 用户态时间占比（整机平均）	%
`avg without (mode,cpu) ( irate(node_cpu_seconds_total{mode="irq"}[2m]) ) * 100`	CPU 硬中断时间占比（整机平均）	%
`avg without (mode,cpu) ( irate(node_cpu_seconds_total{mode="idle"}[2m]) ) * 100`	CPU 空闲率（整机平均）	%
`avg without (mode,cpu) ( irate(node_cpu_seconds_total{mode="softirq"}[2m]) ) * 100`	CPU 软中断时间占比（整机平均）	%
`(node_memory_SwapTotal_bytes - node_memory_SwapFree_bytes)/node_memory_SwapTotal_bytes * 100 and node_memory_SwapTotal_bytes > 0`	交换空间使用率 — 交换空间使用率。计算原子取自 `/proc/meminfo`。	%
`node_memory_SwapTotal_bytes`	交换空间总量 — 交换空间总量。取自 `/proc/meminfo`。	bytes
`node_memory_SwapFree_bytes`	交换空间空闲量 — 交换空间空闲量。取自 `/proc/meminfo`。	bytes
`node_memory_Buffers_bytes`	内存 Buffered 量 — 用作缓冲区的内存量。取自 `/proc/meminfo`。	bytes
`node_memory_Cached_bytes`	内存 Cached 量 — 用作文件缓存的内存量。取自 `/proc/meminfo`。	bytes
`(1 - (node_memory_MemAvailable_bytes{} / node_memory_MemTotal_bytes{})) * 100`	内存使用率（基于MemAvailable） — 内存使用率。基于 MemAvailable 计算更准确，但是老版本的 Linux 不支持。	%
`node_memory_MemAvailable_bytes`	内存可用量 — 可以立即分配给进程的可用内存量。取自 `/proc/meminfo`。	bytes
`node_memory_MemTotal_bytes`	内存总量 — 内存总量。取自 `/proc/meminfo`。	bytes
`node_memory_MemFree_bytes`	内存空闲量 — 未使用的内存量。取自 `/proc/meminfo`。	bytes
`node_filefd_allocated / node_filefd_maximum * 100`	文件句柄 - 已分配占比	%
`node_filefd_allocated`	文件句柄 - 已分配量	个
`node_filefd_maximum`	文件句柄 - 总可分配量	个
`irate(node_disk_io_time_seconds_total[2m]) * 100`	硬盘 IO - 时间维度 Utilization — 在时间维度统计硬盘 IO 时间占比，比如该值是 50%，表示有 50% 的时间是在处理 IO，该值 100%，表示一直在处理 IO，但是注意，现代磁盘设备具备并行处理多个 I/O 请求的能力，所以即便该值是 100%，可能硬盘还是可以接收新的处理请求。比如某人有两只手，最近 1 分钟一直在用单手劳动，从时间维度来看，利用率是 100%，但即便是 100%，再给他更多的活，他也能干，因为他还有一只手可用。	%
`irate(node_disk_written_bytes_total[2m])`	硬盘 IO - 每秒写入字节数量	bytes/s
`irate(node_disk_writes_completed_total{}[2m])`	硬盘 IO - 每秒写次数 — 每秒写次数
`irate(node_disk_read_bytes_total[2m])`	硬盘 IO - 每秒读取字节数量	bytes/s
`irate(node_disk_reads_completed_total{}[2m])`	硬盘 IO - 每秒读次数 — 每秒读次数
`100 - ((node_filesystem_avail_bytes{} * 100) / node_filesystem_size_bytes{})`	硬盘使用率 — 硬盘空间使用率。	%
`node_filesystem_free_bytes`	硬盘剩余量 — 使用 SI 标准渲染数据，和 df 命令保持一致。	bytes
`node_filesystem_avail_bytes`	硬盘可用量 — 使用 SI 标准渲染数据，和 df 命令保持一致。	bytes
`node_filesystem_size_bytes`	硬盘总量 — 使用 SI 标准渲染数据，和 df 命令保持一致。	bytes
`count(node_cpu_seconds_total{mode="idle"}) without (cpu, mode)`	系统 CPU 核数 — CPU 逻辑核的数量。
`node_load1`	系统平均负载 - 最近 1 分钟 — 取自 `/proc/loadavg`。
`node_load15`	系统平均负载 - 最近 15 分钟 — 取自 `/proc/loadavg`。
`node_load5`	系统平均负载 - 最近 5 分钟 — 取自 `/proc/loadavg`。
`node_load1 / count(node_cpu_seconds_total{mode="idle"}) without (cpu, mode)`	系统平均负载（单核） - 最近 1 分钟
`node_load15 / count(node_cpu_seconds_total{mode="idle"}) without (cpu, mode)`	系统平均负载（单核） - 最近 15 分钟
`node_load5 / count(node_cpu_seconds_total{mode="idle"}) without (cpu, mode)`	系统平均负载（单核） - 最近 5 分钟
`irate(node_network_receive_drop_total[2m])`	网卡入方向（接收）每秒丢弃的数据包个数 — 原始指标 node_network_receive_drop_total 表示操作系统启动之后各个网卡入方向（接收）丢弃的数据包总数。
`irate(node_network_receive_packets_total[2m])`	网卡入方向（接收）每秒数据包数 — 原始指标 node_network_receive_packets_total 表示操作系统启动之后各个网卡入方向（接收）数据包总数。
`irate(node_network_receive_errs_total[2m])`	网卡入方向（接收）每秒错包数 — 原始指标 node_network_receive_errs_total 表示操作系统启动之后各个网卡入方向（接收）错包总数。
`irate(node_network_transmit_drop_total[2m])`	网卡出方向（发送）每秒丢弃的数据包个数 — 原始指标 node_network_transmit_drop_total 表示操作系统启动之后各个网卡出方向（发送）丢弃的数据包总数。
`irate(node_network_transmit_packets_total[2m])`	网卡出方向（发送）每秒数据包数 — 原始指标 node_network_transmit_packets_total 表示操作系统启动之后各个网卡出方向（发送）数据包总数。
`irate(node_network_transmit_errs_total[2m])`	网卡出方向（发送）每秒错包数 — 原始指标 node_network_transmit_errs_total 表示操作系统启动之后各个网卡出方向（发送）错包总数。
`irate(node_network_transmit_bytes_total[2m]) * 8`	网卡每秒发送的 bit 量 — 原始指标 node_network_transmit_bytes_total 表示操作系统启动之后发送的 byte 总量，因为网卡流量习惯使用 bit 作为单位，所以在表达式中做了换算。	bit/s
`irate(node_network_receive_bytes_total[2m]) * 8`	网卡每秒接收的 bit 量 — 原始指标 node_network_receive_bytes_total 表示操作系统启动之后接收的 byte 总量，因为网卡流量习惯使用 bit 作为单位，所以在表达式中做了换算。	bit/s

模板里有什么​

怎么接入​

内置仪表盘​

内置告警规则​

其余规则（4）​

机器监控 - agent失联超过60秒​

机器监控 - 时间偏移超过3秒，请注意​

Lost connection with monitoring target - categraf​

Lost connection with monitoring target - telegraf​

指标说明​

相关链接​

模板里有什么

怎么接入

内置仪表盘

内置告警规则

其余规则（4）

机器监控 - agent失联超过60秒

机器监控 - 时间偏移超过3秒，请注意

Lost connection with monitoring target - categraf

Lost connection with monitoring target - telegraf

指标说明

相关链接