监控云主机的进出流量,核心在于解决两个层面的数据获取:网络层(VPC/路由器级别)和主机层(OS内部级别)。不同场景下,你需要关注的数据颗粒度和采集方式完全不同。
以下按实际生产环境的常见需求,梳理几种主流且可靠的方案:
一、 云平台原生监控(最推荐,零侵入)
如果你使用的是阿里云、腾讯云、华为云等国内主流厂商,首选利用其自带的云监控服务。这是成本最低、维护最简单的方式,且数据由底层虚拟化层直接上报,准确性高。
1. 基础带宽与流量监控
- 指标含义:通常指公网 IP 的入网流量(Inbound)和出网流量(Outbound),单位多为 MB/s 或 Gbps。
- 查看位置:登录控制台 -> 云服务器 ECS/CVM -> 实例详情页 -> 监控图表。
- 注意细节:
- 计费 vs 监控:大部分厂商的“免费套餐”只保留最近7-30天的监控数据,长期存储需要开通高级监控包。
- 内网流量:默认情况下,云平台监控往往不展示 VPC 内网互通的流量。如果需要监控内网流量(例如两台 ECS 之间传输大量数据),通常需要开启“详细监控”或使用自定义监控接口。
2. 自定义监控(Custom Metrics)
- 如果原生的带宽监控粒度不够(比如你想看某个特定端口的流量,或者想结合业务逻辑),可以通过安装 Agent 或使用 CloudMonitor API 上报自定义指标。
- 适用场景:需要对接 Prometheus、Grafana 等企业级监控体系时,将云平台的原始流量数据拉取出来进行二次加工。
二、 主机内部监控(Agent 方案,细粒度)
当你需要知道“具体是哪个进程在占用带宽”,或者需要监控内网流量时,必须在操作系统内部部署监控 Agent。
1. 常用工具对比
| 工具 | 特点 | 适用场景 |
|---|---|---|
| Prometheus + Node Exporter | 业界标准,生态丰富,支持自动发现 | 大规模集群,K8s 环境,已有 Prometheus 基础设施的团队 |
| Zabbix Agent | 老牌稳定,配置稍复杂,自带告警功能 | 传统运维团队,对历史数据存储要求高 |
| Telegraf + InfluxDB/Elasticsearch | 轻量级,插件丰富,写入性能高 | 日志型监控,配合 ELK 栈使用 |
| cAdvisor / Docker Stats | 专门针对容器化应用 | K8s/Docker 环境下的单容器流量监控 |
2. 关键指标提取(以 Linux 为例)
在主机内部,流量数据主要通过 /proc/net/dev 或 snmp 协议获取。以下是几个核心字段的理解:
- rx_bytes / tx_bytes:接收和发送的总字节数。通过计算差值除以时间间隔,即可得到实时带宽。
- rx_packets / tx_packets:收发包数量。用于判断是否存在大量小包攻击或网络抖动。
- errors/drops:错误数和丢包数。这个比流量大小更重要,如果 errors 持续上升,说明网卡驱动、交换机端口或物理链路有问题,而不是业务流量大。
3. 进阶技巧:按进程监控带宽
原生网络监控只能看到网卡总流量。如果你想知道 Nginx、MySQL 或 Java 应用占了多少带宽,可以使用以下方法:
- tc (Traffic Control):Linux 内核自带的 QoS 工具,可以基于 cgroup 限制和统计特定进程的流量。但配置复杂,适合做限流而非纯监控。
- eBPF 技术(当前趋势):如 Pixie、Cilium Hubble 或 Sysdig。这些工具通过 eBPF 在内核态捕获网络 syscall,能实现无侵入、高精度的进程级流量透视,无需修改代码,性能损耗极低。这是目前大厂内部监控的主流方向。
三、 网络镜像与抓包(故障排查专用)
当你遇到“流量突增但不知道来源”或“连接异常断开”时,监控面板是看不出来的,这时候需要抓包。
1. 云厂商的网络镜像(Mirror)
- 阿里云有“网络镜像”,腾讯云有“流量镜像”。
- 原理:将指定网卡上的数据包复制一份,转发到一台专门的分析机(通常是安装了 Wireshark 或 Zeek 的服务器)。
- 优点:不影响业务性能,全量数据可回溯。
- 缺点:需要额外购买一台分析机,且镜像流量本身可能产生费用。
2. 主机内 tcpdump / tshark
- 临时排查神器。
- 命令示例:
tcpdump -i eth0 -w capture.pcap port 80 - 警告:生产环境慎用长时间抓包,会迅速占满磁盘 IO 和网络带宽。建议设置过滤条件和时间上限。
四、 避坑指南与最佳实践
-
区分公网与私网:
- 很多用户混淆了“公网带宽”和“内网带宽”。云主机的公网带宽通常有限(如 5Mbps),而内网带宽可达 10Gbps+。监控时要明确你关心的是对外服务的瓶颈,还是内部微服务通信的延迟。
-
避免监控盲区:
- 负载均衡(SLB/CLB):流量经过 LB 后,后端 ECS 看到的源 IP 是 LB 的内网 IP,而不是客户端真实 IP。因此,在 LB 层面监控 QPS 和带宽,比在 ECS 层面更准确反映整体入口压力。
-
告警阈值设定:
- 不要只设固定阈值(如 >90%)。建议结合基线算法(如同比、环比),因为业务有波峰波谷(如白天高晚上低)。突然的 50% 增幅可能比持续的 95% 更值得警惕。
-
合规与安全:
- 监控流量数据中可能包含敏感信息(如 HTTP Header 中的 Cookie、Token)。如果使用第三方监控平台或导出 pcap 文件进行分析,务必脱敏处理,符合《数据安全法》和《个人信息保护法》的要求。
总结建议
- 日常运维:直接用云控制台的基础监控,看带宽利用率、丢包率、TCP 连接数。
- 精细化运营:部署 Prometheus + Node Exporter,抓取
/proc/net/dev数据,存入 Grafana 展示。 - 深度排查:开启云厂商的网络镜像功能,或使用 eBPF 工具进行进程级流量透视。
- 安全审计:定期分析流量日志,识别异常外联(如XX木马回连 C&C 服务器通常表现为小流量高频次的外出连接)。
云技术博客