五款监控工具怎么挑？先看你要盯几台机器

刚接手一批服务器的人常卡在同一个地方：知道要装监控，但打开搜索引擎一看，Zabbix、Prometheus、Nagios、Grafana、Netdata五个名字全冒出来，每个都有人说好。装错一个的代价不是重装软件那么简单，采集模型不一样，后面加告警、接面板、做容量规划全得推翻重来。我一般会先问一句：你手头到底几台机器，是纯Linux还是有交换机路由器混在一起。这个答案基本就把选型范围砍掉一半。

先分清拉和推，这步错了后面全白搭

Prometheus用的是拉模型，它会按你配置的间隔主动去目标机器上抓指标，默认15秒一次。这个设计的好处是目标列表在你手里，谁掉线一眼看得出来。

Zabbix两种都支持，但多数人用它的主动模式，也就是被监控端往服务端推数据。混合环境里这点很关键，交换机和路由器只能走SNMP，Zabbix对这类设备的模板成熟度比Prometheus高不少。我见过不少机房把两者混着用：主机层跑Prometheus，网络设备交给Zabbix，两套并存不算浪费。

Nagios是更老的一代，插件生态还在，但配置靠文本文件堆，机器一多维护成本直线上升。新项目除非有历史包袱，否则没必要从它起步。

50台和500台，选型是两条路

机器少的时候，选什么其实差别不大，装起来快、面板能看就行。到了几百台，数据存储和查询性能才是分水岭。

• 50台以下：Netdata单机装完就有图，Grafana接Prometheus也够用，维护一个人能扛。
• 200台以上：Prometheus的时序库要配远程存储，本地盘撑不了太久，这时候成本和架构复杂度一起上来。
• 设备类型杂：Zabbix的模板库省下的时间，比你自己写采集脚本划算得多。

Grafana本身不采集数据，它只负责画图。很多人第一次装完以为它是个监控系统，接不上数据源才发现只是面板。这点提前搞清楚，能省一轮折腾。

最容易被忽略的一步：告警收敛

监控装完只是开始，真正烧时间的是告警。一台机器磁盘满了，如果没做分组和抑制，五分钟内能给你发几十条通知，最后没人看。

Prometheus的Alertmanager支持分组和静默，配置写起来不算复杂，但要提前定好哪些告警合并、哪些直接升级。Zabbix这边靠触发器依赖关系做类似的事。我的经验是先把告警分三级：必须立刻处理的、当天处理的、只看不通知的。第三类直接关掉通知，留在面板里就行。

采集频率也别一刀切。核心业务15秒一次合理，日志类指标60秒足够，频率翻倍意味着存储成本翻倍，这笔账要提前算。

监控和被监控的机器得在同一张网上

监控系统的采集延迟，很大一部分来自网络路径。服务端在美国、被监控机器在亚洲，跨洋链路抖动会让采集超时误报，最后你分不清是业务真挂了还是网络抖了。

所以部署监控服务端时，我会优先选和被监控资产同区域的机房。秀米云的圣何塞独立服务器，2*E5-2678V3配32G内存、30Mbps带宽，月付206美元，跑Prometheus加Grafana这套组合，采集几百个目标的内存和磁盘压力都不大。放在圣何塞的好处是覆盖美西节点时延迟稳定，不会因为跨区采集把误报率抬上去。机器数量再往上走，可以考虑美国硅谷大带宽服务器，Platinum-8168*2配64G和G口带宽，月付958.5美元，适合指标写入量大的场景。

回到最开始那个问题：管着十几台机器、想快速看到图，Netdata或Prometheus加Grafana就够，别上重型方案。设备类型杂、有网络设备要一起盯，Zabbix更省事。机器超过两百台、对查询性能有要求，再考虑远程存储和架构拆分。预算有限就先租一台同区域的独立服务器把服务端落地，跑顺了再扩。