快速回答：IT 基礎設施監控系統負責即時偵測伺服器、網路、服務的異常狀態並發出告警。中小企業推薦方案：Zabbix（開源免費、功能最完整）、PRTG（500 sensor 免費、介面友善）、Uptime Kuma（超輕量、適合監控 Web 服務可用性）。監控重點：CPU/RAM/磁碟使用率、網路流量與延遲、服務存活狀態、備份是否成功。
前言：看不見的問題是最危險的問題
「伺服器掛了嗎？」「網路為什麼變慢？」「磁碟快滿了嗎？」——如果 IT 團隊是靠使用者報修才知道問題，那就已經太遲了。有效的 IT 監控系統能在問題影響到使用者之前，就發出預警並自動觸發處理流程。
一、監控的四大類別
1. 基礎設施監控
監控伺服器、儲存設備與網路設備的硬體健康狀態：
- CPU 使用率、溫度、頻率
- 記憶體使用率與 Swap 使用量
- 磁碟 I/O、空間使用率、SMART 健康狀態
- 風扇轉速、電源供應器狀態（透過 IPMI/BMC）
2. 網路監控
- 交換器/路由器 port 流量（SNMP、NetFlow）
- 連結狀態（Up/Down）與錯誤計數
- 頻寬使用率與瓶頸偵測
- 延遲與封包遺失率
3. 應用程式監控（APM）
- HTTP 回應時間與狀態碼
- 資料庫查詢效能（慢查詢偵測）
- 應用程式錯誤率與日誌
- 使用者體驗指標（頁面載入時間、交互延遲）
4. 安全監控
- 登入失敗次數與帳號鎖定事件
- 防火牆阻擋紀錄
- 異常流量偵測（DDoS、Port Scan）
- 憑證到期提醒
二、關鍵監控指標
| 類別 | 指標 | 警告閾值 | 嚴重閾值 |
|---|---|---|---|
| CPU | 使用率 | > 80% 持續 5 分鐘 | > 95% 持續 3 分鐘 |
| 記憶體 | 使用率 | > 85% | > 95% |
| 磁碟 | 空間使用率 | > 80% | > 90% |
| 磁碟 | I/O 延遲 | > 10ms（SSD） | > 50ms |
| 網路 | 頻寬使用率 | > 70% | > 90% |
| 網路 | 封包遺失率 | > 0.1% | > 1% |
| 應用 | 回應時間 | > 2 秒 | > 5 秒 |
| 應用 | 錯誤率 | > 1% | > 5% |
三、告警策略
告警分級
- P1 緊急：服務中斷、資料遺失風險 → 立即電話通知值班人員
- P2 高：效能嚴重下降、即將耗盡資源 → 即時通訊（LINE/Slack）+ Email
- P3 中：效能輕微下降、資源趨近閾值 → Email 通知
- P4 低：資訊性告警、非緊急異常 → Dashboard 顯示
避免告警疲勞
過多無意義的告警會讓 IT 團隊麻痺，反而忽略真正重要的警報：
- 設定合理的閾值，避免過於敏感
- 使用持續時間條件（如 CPU > 90% 持續 5 分鐘才告警，排除瞬間飆高）
- 告警聚合：同一事件多個指標同時異常時，只發送一則告警
- 定期審查告警規則，移除不再相關的告警
四、工具選擇
| 類型 | 開源方案 | 商用方案 |
|---|---|---|
| 基礎設施 | Prometheus + Grafana、Zabbix | Datadog、PRTG、SolarWinds |
| 網路 | LibreNMS、Cacti | PRTG、WhatsUp Gold |
| APM | Jaeger、SkyWalking | New Relic、Dynatrace |
| 日誌 | ELK Stack、Loki | Splunk、Graylog Enterprise |
| 告警 | Alertmanager、Grafana OnCall | PagerDuty、OpsGenie |
五、Dashboard 設計建議
- 總覽 Dashboard：全環境健康狀態一目了然（紅綠燈 + 數字摘要）
- 網路 Dashboard：核心交換器流量、Top Talker、WAN 使用率
- 伺服器 Dashboard：各主機 CPU/RAM/Disk 趨勢圖、Top 10 資源消耗
- 應用 Dashboard：回應時間趨勢、錯誤率、活躍使用者數
好的 Dashboard 能讓 IT 團隊在 30 秒內掌握全環境狀態。
重點摘要
- 監控四大重點：CPU/RAM/磁碟、網路流量、服務存活、備份狀態
- Zabbix 開源免費功能最完整，PRTG 500 sensor 免費介面友善
- 告警管道建議：LINE/Telegram（即時）+ Email（紀錄）
- 監控系統本身也要監控——避免「監控掛了沒人知道」
有任何問題，歡迎與我們討論。
預約免費架構盤點 →